Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Best practice

Le sezioni seguenti suggeriscono le best practice da seguire quando utilizzi il decoratore @step per le fasi della pipeline.

Utilizzo dei warm pool

Per velocizzare l’esecuzione delle fasi della pipeline, utilizza la funzionalità warm pool fornita per i job di addestramento. Puoi attivare la funzionalità warm pool fornendo l’argomento keep_alive_period_in_seconds al decoratore @step, come illustrato nel frammento seguente:

@step(
   keep_alive_period_in_seconds=900
)

Per ulteriori informazioni sui warm pool, consulta SageMaker Piscine calde gestite dall'IA.

Struttura della directory

Consigliamo di utilizzare moduli di codice quando lavori con il decoratore @step. Inserisci il modulo pipeline.py, nel quale vengono invocate le funzioni della fase e viene definita la pipeline, nella root dello spazio di lavoro. La struttura consigliata viene mostrata di seguito:

.
├── config.yaml # the configuration file that define the infra settings
├── requirements.txt # dependencies
├── pipeline.py  # invoke @step-decorated functions and define the pipeline here
├── steps/
| ├── processing.py
| ├── train.py
├── data/
├── test/

Proteggi i tuoi dati serializzati

Il @step decoratore salva gli input e gli output delle funzioni in Amazon S3. Per impostazione predefinita, SageMaker AI utilizza il bucket predefinito. Altri progetti o utenti del tuo account potrebbero condividere questo bucket.

Per proteggere i dati della pipeline, inseriscili S3RootUri nel file di configurazione SageMaker AI. Usa un bucket utilizzato solo dalla tua pipeline. L'esempio seguente mostra come impostare questo valore:

SchemaVersion: '1.0'
SageMaker:
  PythonSDK:
    Modules:
      RemoteFunction:
        S3RootUri: 's3://amzn-s3-demo-bucket/pipeline-data'

Per ulteriori informazioni sul file di configurazione, vedere File https://docs.aws.amazon.com/sagemaker/latest/dg/train-remote-decorator-config.html di configurazione.