本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

选择性执行管道步骤

当你使用 Pipelines 创建工作流程和编排机器学习训练步骤时，你可能需要进行多个实验阶段。您可能只想重复某些步骤，而不是每次都运行完整的管道。使用 Pipelines，您可以有选择地执行工作流步骤。这有助于优化您的机器学习训练。选择性执行在以下情况下很有用：

使用选择性执行，您可以选择运行任何步骤子集，前提是这些步骤与管道的有向无环图 (DAG) 相连。以下DAG显示了管道工作流程示例：

您可以选择步骤AbaloneTrain和AbaloneEval选择性执行，但不能只选择AbaloneTrain和AbaloneMSECond步骤，因为这些步骤在中没有关联DAG。对于工作流程中未选定的步骤，选择性执行会重复使用参考管道执行的输出，而不是重新运行这些步骤。此外，处于选定步骤下游的非选定步骤不会在选择性执行中运行。

如果您选择在管道中运行中间步骤的子集，则您的步骤可能取决于之前的步骤。 SageMaker 需要一个参考管道执行来为这些依赖项提供资源。例如，如果您选择运行步骤AbaloneTrain和AbaloneEval，则需要该AbaloneProcess步骤的输出。您可以提供参考执行，ARN也可以直接 SageMaker 使用最新的管道执行（这是默认行为）。如果你有引用执行，你也可以从引用运行中构建运行时参数，并将它们提供给带覆盖的选择性执行运行。有关详细信息，请参阅重复使用参考执行中的运行时参数值。

详细而言，您可以为使用运行的选择性执行管道提供配置SelectiveExecutionConfig。如果包含供参考ARN的管道执行（带source_pipeline_execution_arn参数），则 SageMaker使用您提供的管道执行中前一步的依赖关系。如果未包含ARN且存在最新的管道执行，则默认情况下会将其 SageMaker 用作参考。如果您不包含ARN且不 SageMaker 想使用最新的管道执行，请将设置reference_latest_execution为False。 SageMaker 最终用作参考的管道执行，无论是最新的还是用户指定的，都必须处于Success或Failed状态。

下表汇总了如何 SageMaker 选择引用执行。

有关选择性执行配置要求的更多信息，请参阅 s agemaker.workflow.selective_execution_config。 SelectiveExecutionConfig文档。

以下讨论包括适用于一些情况的示例，这些情况是：您要指定管道参考执行；使用最新的管道执行作为参考；或者在没有参考管道执行的情况下运行选择性执行。

使用用户指定的管道参考运行选择性执行

以下示例演示了如何选择性地执行这些步骤AbaloneTrain并AbaloneEval使用参考管道执行。

from sagemaker.workflow.selective_execution_config import SelectiveExecutionConfig

selective_execution_config = SelectiveExecutionConfig(
    source_pipeline_execution_arn="arn:aws:sagemaker:us-west-2:123123123123:pipeline/abalone/execution/123ab12cd3ef", 
    selected_steps=["AbaloneTrain", "AbaloneEval"]
)

selective_execution = pipeline.start(
    execution_display_name=f"Sample-Selective-Execution-1",
    parameters={"MaxDepth":6, "NumRound":60},
    selective_execution_config=selective_execution_config,
)

以最新管道执行作为参考的选择性执行

以下示例演示了如何选择性地执行这些步骤，AbaloneTrain并AbaloneEval使用最新的管道执行作为参考。由于默认情况下 SageMaker 使用最新的管道执行，因此您可以选择将reference_latest_execution参数设置为True。

# Prepare a new selective execution. Select only the first step in the pipeline without providing source_pipeline_execution_arn.
selective_execution_config = SelectiveExecutionConfig(
    selected_steps=["AbaloneTrain", "AbaloneEval"],
    # optional
    reference_latest_execution=True
)

# Start pipeline execution without source_pipeline_execution_arn
pipeline.start(
    execution_display_name=f"Sample-Selective-Execution-1",
    parameters={"MaxDepth":6, "NumRound":60},
    selective_execution_config=selective_execution_config,
)

无参考管道的选择性执行

以下示例演示了在AbaloneTrain不提供参考的情况下选择性地执行这些步骤AbaloneProcess，ARN并关闭了使用最新运行的管道作为参考的选项。 SageMaker 允许此配置，因为这个步骤子集不依赖于之前的步骤。

# Prepare a new selective execution. Select only the first step in the pipeline without providing source_pipeline_execution_arn.
selective_execution_config = SelectiveExecutionConfig(
    selected_steps=["AbaloneProcess", "AbaloneTrain"],
    reference_latest_execution=False
)

# Start pipeline execution without source_pipeline_execution_arn
pipeline.start(
    execution_display_name=f"Sample-Selective-Execution-1",
    parameters={"MaxDepth":6, "NumRound":60},
    selective_execution_config=selective_execution_config,
)

重复使用参考执行中的运行时参数值

您可以使用 build_parameters_from_execution 从参考管道执行中构建参数，并将结果提供给选择性执行管道。您可以使用参考执行中的原始参数，也可以使用 parameter_value_overrides 参数应用任何覆盖。

以下示例说明了如何从参考执行构建参数以及如何对 MseThreshold 参数应用覆盖。

# Prepare a new selective execution.
selective_execution_config = SelectiveExecutionConfig(
    source_pipeline_execution_arn="arn:aws:sagemaker:us-west-2:123123123123:pipeline/abalone/execution/123ab12cd3ef",
    selected_steps=["AbaloneTrain", "AbaloneEval", "AbaloneMSECond"],
)
# Define a new parameters list to test.
new_parameters_mse={
    "MseThreshold": 5,
}

# Build parameters from reference execution and override with new parameters to test.
new_parameters = pipeline.build_parameters_from_execution(
    pipeline_execution_arn="arn:aws:sagemaker:us-west-2:123123123123:pipeline/abalone/execution/123ab12cd3ef",
    parameter_value_overrides=new_parameters_mse
)

# Start pipeline execution with new parameters.
execution = pipeline.start(
    selective_execution_config=selective_execution_config,
    parameters=new_parameters
)