创建 Amazon SageMaker 实验 - Amazon SageMaker
AWS 文档中描述的 AWS 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 AWS 服务入门

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。

创建 Amazon SageMaker 实验

创建 Amazon SageMaker 以跟踪您的 SageMaker 培训、处理和转变工作。

以下步骤向您展示如何创建 SageMaker 进行实验, SageMaker 培训、处理或转变工作。标记为(Sudio)的步骤描述如何在 Amazon SageMaker 书房。您不需要在单间进行实验即可在单间查看实验。

有关在现有 SageMaker 笔记本,见 跟踪和比较教程.

  1. 导入 sys 模块安装SDK。

    import sys
  2. (可选) Amazon SageMaker Python SDK,预装于 SageMaker 书房。如果您计划在Price外运行代码,请安装 SageMaker PythonSDK。

    !{sys.executable} -m pip install sagemaker
  3. 安装 SageMaker 试验PythonSDK.

    !{sys.executable} -m pip install sagemaker-experiments
  4. 导入模块。

    import time from time import strftime import sagemaker from smexperiments.experiment import Experiment from smexperiments.trial import Trial from smexperiments.trial_component import TrialComponent from smexperiments.tracker import Tracker
  5. 获取执行角色并创建 SageMaker 教学课。

    role = sagemaker.get_execution_role() sm_sess = sagemaker.session.Session()
  6. 创建 SageMaker 实验。实验名称在您的帐户中必须是唯一的。

    注意

    tags 参数是可选的。您可以使用单片机搜索标记, SageMaker 和SDK。标签也可用于试验和试验组件。有关如何使用Expando搜索标记的信息,请参阅 按标签搜索.

    create_date = strftime("%Y-%m-%d-%H-%M-%S") demo_experiment = Experiment.create(experiment_name = "DEMO-{}".format(create_date), description = "Demo experiment", tags = [{'Key': 'my-experiments', 'Value': 'demo1'}])
  7. (研究)要查看 SageMaker 单间,在左侧边栏选择 SageMaker 实验列表 图标( )显示实验浏览器。

    代码运行后,实验列表包含新的实验。列表可能需要一些时间刷新并显示实验。还会显示实验标签上的过滤器。仅显示具有匹配标记的实验。您的列表应类似于以下内容:

  8. 为实验创建试用版。试验名称在您的帐户中必须是唯一的。

    demo_trial = Trial.create(trial_name = "DEMO-{}".format(create_date), experiment_name = demo_experiment.experiment_name, tags = [{'Key': 'my-experiments', 'Value': 'demo1'}])
  9. (Studio)在实验列表中,双击实验以显示实验中的试验列表(此示例有一个试验)。您的列表应类似于以下内容:

  10. 创建试验组件作为试验的一部分。试验部分是 SageMaker 工作。

    添加 实验配置 参数。的 SageMaker 支持下表中列出的作业。

    作业 SageMaker PythonSDK方法 Boto3法
    培训 估计量 CreateTrainingJob
    处理 Processor.run(处理器运行) 创建处理工作
    转换 转换 创建转型工作

    以下示例适用于培训工作。的 Tags 参数为试验组件添加标记。ExperimentName 未指定,因为在早期步骤中创建试验时,试验与试验相关。

    使用 SageMaker PythonSDK

    sagemaker.estimator.Estimator( ..., sagemaker_session = sm_sess, tags = [{'Key': 'my-experiments', 'Value': 'demo2'}]) estimator.fit( ..., experiment_config = { # "ExperimentName" "TrialName" : demo_trial.trial_name, "TrialComponentDisplayName" : "TrainingJob", })

    使用Boto3

    create_training_job( ..., "ExperimentConfig": { # "ExperimentName" "TrialName" : demo_trial.trial_name, "TrialComponentDisplayName" : "TrainingJob", }, "Tags": [{'Key': 'my-experiments', 'Value': 'demo2'}])
  11. (研究)在试验列表中,双击试验以显示试验中的组件列表(此示例包含一项试验)。您的列表应类似于以下内容:

  12. (研究)要查看有关实验、试验和工作(试验部分)的信息,请参阅 查看和比较 Amazon SageMaker 实验、试验和试验组成部分.

要清理您创建的资源,请参阅 清理 Amazon SageMaker 实验资源.