使用 Amazon SageMaker AI 預先處理資料和訓練機器學習模型 - AWS Step Functions

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

使用 Amazon SageMaker AI 預先處理資料和訓練機器學習模型

此範例專案示範如何使用 SageMaker AI 和 AWS Step Functions 預先處理資料,以及訓練機器學習模型。

在本專案中,Step Functions 使用 Lambda 函數,以測試資料集和 Python 指令碼植入 Amazon S3 儲存貯體以進行資料處理。然後,它會訓練機器學習模型,並使用 SageMaker AI 服務整合來執行批次轉換。

如需 SageMaker AI 和 Step Functions 服務整合的詳細資訊,請參閱以下內容:

注意

此範例專案可能需要付費。

對於新 AWS 使用者,可使用免費用量方案。在此方案中,特定用量層級以下的服務皆為免費。如需 AWS 成本和免費方案的詳細資訊,請參閱 SageMaker AI 定價

步驟 1:建立狀態機器

  1. 開啟 Step Functions 主控台,然後選擇建立狀態機器

  2. 尋找並選擇您要使用的入門範本。選擇 Next (下一步) 繼續。

  3. 選擇執行示範以建立唯讀和 ready-to-deploy工作流程,或選擇建置在其中以建立可編輯的狀態機器定義,您可以建置在 和之後部署。

  4. 選擇使用範本以繼續您的選擇。

後續步驟取決於您先前的選擇:

  1. 執行示範 – 您可以在建立具有 已部署 AWS CloudFormation 至 之 資源的唯讀專案之前,檢閱 狀態機器 AWS 帳戶。

    您可以檢視狀態機器定義,當您準備好時,請選擇部署並執行 以部署專案並建立 資源。

    部署最多可能需要 10 分鐘才能建立資源和許可。您可以使用 Stack ID 連結來監控 中的進度 AWS CloudFormation。

    部署完成後,您應該會在 主控台中看到新的狀態機器。

  2. 上面建置 – 您可以檢閱和編輯工作流程定義。在嘗試執行自訂工作流程之前,您可能需要為範例專案中的預留位置設定值。

注意

部署至您 帳戶的 服務,可能需支付標準費用。

步驟 2:執行狀態機器

  1. 狀態機器頁面上,選擇您的範例專案。

  2. 在範例專案頁面上,選擇開始執行

  3. 開始執行對話方塊中,執行下列動作:

    1. (選用) 輸入自訂執行名稱以覆寫產生的預設值。

      非ASCII名稱和記錄

      Step Functions 接受狀態機器、執行、活動和包含非ASCII 字元的標籤的名稱。由於這類字元不適用於 Amazon CloudWatch,因此建議您只使用ASCII字元,以便追蹤 中的指標 CloudWatch。

    2. (選用) 在輸入方塊中,輸入值為 JSON。如果您正在執行示範,可以略過此步驟。

    3. 選擇 Start execution (開始執行)

    Step Functions 主控台會引導您前往執行詳細資訊頁面,您可以在圖形檢視中選擇狀態,以在步驟詳情窗格中探索相關資訊。

恭喜您!

您現在應該有執行中的示範或可自訂的狀態機器定義。