创建 Amazon SageMaker 实验 - Amazon SageMaker
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

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 实验,以跟踪您的 SageMaker 培训、处理和转换作业。

以下过程介绍如何为 SageMaker 训练、处理或变换作业创建 SageMaker 实验。标记为(工作室)的步骤描述了如何在 Amazon SageMaker 工作室中查看实验。您不必在 Studio 中运行实验即可在 Studio 中查看实验。

有关在现有 SageMaker Studio 笔记本中显示此功能的教程,请参阅跟踪和比较教程.

  1. 导入sys模块来安装软件开发工具包。

    import sys
  2. (可选)Amazon SageMaker Python 开发工具包, 预安装在 SageMaker 工作室. 如果您计划在工作室外运行代码,请安装 SageMaker Python 软件开发工具包。

    !{sys.executable} -m pip install sagemaker
  3. 安装SageMaker 实验 Python 开发工具包.

    !{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 会话。

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

    注意

    tags 参数是可选的。您可以使用 Studio、SageMaker 控制台和软件开发工具包搜索标签。标签也可以应用于试验和试验组件。有关如何使用 Studio 搜索标签的信息,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': 'demo-experiments', 'Value': 'demo1'}])
  7. (工作室)要查看 SageMaker 工作室中的实验,请在左侧栏中选择组成部分和登记册图标 ( )。在下拉菜单中,选择实验和试验以显示实验浏览器。

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

  8. 为实验创建试验。试用名称在您的账户中必须是唯一的。

    demo_trial = Trial.create(trial_name = "DEMO-{}".format(create_date), experiment_name = demo_experiment.experiment_name, tags = [{'Key': 'demo-trials', '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,将其在试验中创建。试用组件是 SageMaker 作业。

    添加实验配置参数设置为相应的方法。支持下表中列出的 SageMaker 作业。

    任务 SageMaker Python 开发工具包方法 boto3 法
    培训 估计员. 适合 CreateTrainingJob
    处理 处理器。运行 CreateProcessingJob
    转换 变压器。变换 CreateTransformJob

    以下示例适用于训练作业。这些区域有:Tags参数将标签添加到试用组件中。ExperimentName,因为在早期步骤中创建试验时,试验与实验相关联。

    使用 SageMaker Python 开发工具包

    sagemaker.estimator.Estimator( ..., sagemaker_session = sm_sess, tags = [{'Key': 'demo-jobs', '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': 'demo-jobs', 'Value': 'demo2'}])
  11. (Studio) 在试用列表中,双击试验以显示试验中组件的列表(此示例有一个试验)。您的列表应类似于以下内容:

  12. (Studio) 要查看有关实验、试验和作业(试验组件)的信息,请参阅查看和比较 Amazon SageMaker 实验、试验和试验组件.

要清除您创建的资源,请参阅。清理 Amazon SageMaker 实验资源.