Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Atributos de chave de cache padrão por tipo de etapa do pipeline

Modo de foco
Atributos de chave de cache padrão por tipo de etapa do pipeline - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Ao decidir se deve reutilizar uma etapa anterior de pipeline ou executar a etapa novamente, o Pipelines verifica se determinados atributos foram alterados. Se o conjunto de atributos for diferente de todas as execuções anteriores dentro do período de tempo limite, a etapa será executada novamente. Esses atributos incluem artefatos de entrada, especificação de aplicação ou algoritmo e variáveis de ambiente. A lista a seguir mostra cada tipo de etapa do pipeline e os atributos que, se alterados, iniciam uma nova execução da etapa. Para obter mais informações sobre quais parâmetros do SDK do Python são usados para criar os seguintes atributos, consulte Configuração de cache na documentação do SDK do Amazon Python SageMaker .

  • AppSpecification

  • Environment

  • ProcessingInputs. Esse atributo contém informações sobre o script de pré-processamento.

  • AppSpecification

  • Environment

  • ProcessingInputs. Esse atributo contém informações sobre o script de pré-processamento.

  • AlgorithmSpecification

  • CheckpointConfig

  • DebugHookConfig

  • DebugRuleConfigurations

  • Environment

  • HyperParameters

  • InputDataConfig. Esse atributo contém informações sobre o script de treinamento.

  • AlgorithmSpecification

  • CheckpointConfig

  • DebugHookConfig

  • DebugRuleConfigurations

  • Environment

  • HyperParameters

  • InputDataConfig. Esse atributo contém informações sobre o script de treinamento.

  • HyperParameterTuningJobConfig

  • TrainingJobDefinition. Esse atributo é composto por vários atributos secundários, e nem todos fazem com que a etapa seja executada novamente. Os atributos secundários que podem incorrer em uma nova execução (se alterados) são:

    • AlgorithmSpecification

    • HyperParameterRanges

    • InputDataConfig

    • StaticHyperParameters

    • TuningObjective

  • TrainingJobDefinitions

  • HyperParameterTuningJobConfig

  • TrainingJobDefinition. Esse atributo é composto por vários atributos secundários, e nem todos fazem com que a etapa seja executada novamente. Os atributos secundários que podem incorrer em uma nova execução (se alterados) são:

    • AlgorithmSpecification

    • HyperParameterRanges

    • InputDataConfig

    • StaticHyperParameters

    • TuningObjective

  • TrainingJobDefinitions

  • MLJobConfiguração automática. Esse atributo é composto por vários atributos secundários, e nem todos fazem com que a etapa seja executada novamente. Os atributos secundários que podem incorrer em uma nova execução (se alterados) são:

    • CompletionCriteria

    • CandidateGenerationConfig

    • DataSplitConfig

    • Modo

  • MLJobObjetivo automático

  • InputDataConfig

  • ProblemType

  • MLJobConfiguração automática. Esse atributo é composto por vários atributos secundários, e nem todos fazem com que a etapa seja executada novamente. Os atributos secundários que podem incorrer em uma nova execução (se alterados) são:

    • CompletionCriteria

    • CandidateGenerationConfig

    • DataSplitConfig

    • Modo

  • MLJobObjetivo automático

  • InputDataConfig

  • ProblemType

  • DataProcessing

  • Environment

  • ModelName

  • TransformInput

  • DataProcessing

  • Environment

  • ModelName

  • TransformInput

  • ClarifyCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • ClarifyCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • QualityCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • SuppliedBaselineStatistics

  • QualityCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • SuppliedBaselineStatistics

  • ClusterId

  • StepConfig

  • ClusterId

  • StepConfig

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.