使用批量转换 - 亚马逊 SageMaker
使用批量转换获取大型数据集的推理加快批量转换作业使用批量转换测试生产变体示例笔记本
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

使用批量转换

当您需要执行以下操作时，请使用批量转换：

  • 预处理数据集以从数据集中删除可能干扰训练或推理的噪声或偏差。

  • 从大型数据集获取推理。

  • 当您不需要持续性终端节点时运行推理。

  • 将输入记录与推理相关联，以帮助解释结果。

要在执行推理前筛选输入数据，或要将输入记录与有关这些记录的推理相关联，请参阅将预测结果与输入记录关联。例如，您可以筛选输入数据，为创建和解释有关输出数据的报告提供上下文。

主题

使用批量转换获取大型数据集的推理

批量处理在指定参数的限制内自动管理大型数据集的处理。例如，假设您有一个数据集文件 input1.csv，此文件存储在一个 S3 存储桶中。输入文件的内容可能类似于以下示例。

Record1-Attribute1, Record1-Attribute2, Record1-Attribute3, ..., Record1-AttributeM
Record2-Attribute1, Record2-Attribute2, Record2-Attribute3, ..., Record2-AttributeM
Record3-Attribute1, Record3-Attribute2, Record3-Attribute3, ..., Record3-AttributeM
...
RecordN-Attribute1, RecordN-Attribute2, RecordN-Attribute3, ..., RecordN-AttributeM

批量转换作业启动时， SageMaker 初始化计算实例并在它们之间分配推理或预处理工作负载。Batch 转换按密钥对输入中的 Amazon S3 对象进行分区，并将 Amazon S3 对象映射到实例。当您有多个文件时，一个实例可能处理 input1.csv，而另一个实例可能处理名为 input2.csv 的文件。如果您有一个输入文件但初始化了多个计算实例，则只有一个实例处理输入文件，其余实例处于空闲状态。

您也可以将输入文件拆分成小批量。例如，您可以通过仅包含其中两个记录来从 input1.csv 创建一个小批量。


Record3-Attribute1, Record3-Attribute2, Record3-Attribute3, ..., Record3-AttributeM
Record4-Attribute1, Record4-Attribute2, Record4-Attribute3, ..., Record4-AttributeM
注意

SageMaker 分别处理每个输入文件。它不会合并来自不同输入文件的小批量以符合MaxPayloadInMB 限制。

要在创建批处理转换任务时将输入文件拆分成小批处理，请将SplitType参数值设置为Line。如果设置SplitType为None或者输入文件无法拆分成小批处理，则在单个请求中 SageMaker 使用整个输入文件。请注意，Batch 转换不支持包含嵌入式换行符的 CSV 格式输入。您可以使用BatchStrategy和MaxPayloadInMB参数控制小批量的大小。 MaxPayloadInMB不得大于 100 MB。如果您指定了可选MaxConcurrentTransforms参数，则的值也(MaxConcurrentTransforms * MaxPayloadInMB)不得超过 100 MB。

如果批量转换作业成功处理输入文件中的所有记录，它会创建一个文件扩展名为 .out 的同名输出文件。对于 input1.csv 和 input2.csv 等多个输入文件，输出文件将分别名为 input1.csv.out 和 input2.csv.out。批处理转换任务将输出文件存储在 Amazon S3 的指定位置，例如s3://awsexamplebucket/output/。

输出文件中的预测按与输入文件中对应的记录相同的顺序列出。输出文件 input1.csv.out 的内容（基于早前显示的输入文件）如下所示。

Inference1-Attribute1, Inference1-Attribute2, Inference1-Attribute3, ..., Inference1-AttributeM
Inference2-Attribute1, Inference2-Attribute2, Inference2-Attribute3, ..., Inference2-AttributeM
Inference3-Attribute1, Inference3-Attribute2, Inference3-Attribute3, ..., Inference3-AttributeM
...
InferenceN-Attribute1, InferenceN-Attribute2, InferenceN-Attribute3, ..., InferenceN-AttributeM

如果设置SplitType为Line，则可以将AssembleWith参数设置Line为以将输出记录与行分隔符连接起来。这不会更改输出文件的数。输出文件的数量等于输入文件的数量，使用AssembleWith不会合并文件。如果您未指定AssembleWith参数，则默认情况下，输出记录以二进制格式串联。

当输入数据非常大且使用 HTTP 分块编码传输时，要将数据流式传输到算法，则设置为MaxPayloadInMB0。Amazon 的 SageMaker 内置算法不支持此功能。

有关使用 API 创建批量转换作业的信息，请参阅 CreateTransformJob API。有关批量转换输入和输出对象之间相关性的更多信息，请参见OutputDataConfig。有关如何使用批量转换的示例，请参阅（可选）使用Batch 转换进行预测。

加快批量转换作业

如果您使用的是 CreateTransformJobAPI，则可以通过使用、或等MaxPayloadInMB参数的最佳值来缩短完成批量转换作业所需的时间BatchStrategy。MaxConcurrentTransforms的理想值等MaxConcurrentTransforms于批处理转换作业中的计算工作线程数。如果您使用的是 SageMaker 控制台，则可以在 “Batc h 转换作业配置” 页面的 “其他配置” 部分中指定这些最佳参数值。 SageMaker 自动为内置算法找到最佳参数设置。对于自定义算法，通过 execution-parameters 终端节点提供这些值。

使用批量转换测试生产变体

要测试不同的模型或各种超参数设置，请为每个新的模型变体创建单独的转换作业并使用验证数据集。对于每个转换任务，在 Amazon S3 中为输出文件指定唯一的模型名称和位置。要分析结果，请使用推理管道日志和指标。

批量转换示例笔记本

对于将批量转换与主成分分析 (PCA) 模型结合使用以减少用户项查看矩阵中的数据，然后将应用程序的基于密度的空间聚类以及噪声 (DBSCAN) 算法应用于聚类电影的示例笔记本 ，请参阅使用 PCA 和 DBSCAN电影聚类进行批量转换。有关创建和访问可用于在 SageMaker 中运行示例的 Jupyter 笔记本实例的说明，请参阅亚马逊 SageMaker 笔记本实例。创建并打开笔记本实例后，选择 “SageMaker 示例” 选项卡以查看所有 SageMaker 示例的列表。使用 NTM 算法的主题建模示例笔记本位于高级功能部分中。要打开笔记本，请选择其 Use (使用) 选项卡，然后选择 Create copy (创建副本)。