创建卓越亚马逊 SageMaker 试验 - 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。

创建卓越亚马逊 SageMaker 试验

创建卓越亚马逊 SageMaker 实验来跟踪你的 SageMaker 培训、处理和转换工作。

下面的过程演示如何创建 SageMaker 实验 SageMaker 培训、处理或转换工作。标记为 (Studio) 的步骤描述了如何在亚马逊中查看实验 SageMaker Studio。你不必在 Studio 中运行实验即可在 Studio 中查看实验。

有关在现有文件中显示此功能的教程 SageMaker 请参阅 Studio 笔记本跟踪和比较教程.

  1. 导入sys模块来安装 SDK。

    import sys
  2. (可选)亚马逊 SageMaker Python 开发工具包,已预装在 SageMaker Studio。如果你计划在 Studio 之外运行代码,请安装 SageMaker Python 开发工具包。

    !{sys.executable} -m pip install sagemaker
  3. 安装使用 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。您的账户中的实验名称必须是唯一的。

    注意

    tags 参数是可选的。您可以使用 Studio、SageMaker 控制台和 SDK 搜索标签。标签也可以应用于试验组件和试验组件。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)查看实验 SageMaker 在 Studio,在左侧边栏中,选择SageMaker 资源图标 ( )。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,实验列表将包含新的实验。列表可能需要一点时间才能刷新并显示实验。还会显示实验标签上的过滤器。只显示具有匹配标签的实验。您的列表应如下所示:

  8. 为实验创建试验。试验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)。您的列表应如下所示:

  10. 创建试验组件,作为试验的一部分。试用组件是 SageMaker 任务。

    添加实验配置参数转换为适当的方法。这些区域有: SageMaker 支持下表中列出的作业。

    任务 SageMaker Python SDK 方法 Boto3 方法
    培训 估计器 .fit CreateTrainingJob
    处理 处理器 .run CreateProcessingJob
    转换 变形器。转换 CreateTransformJob

    下面的示例适用于训练作业。这些区域有:Tags参数向试用组件添加标签。ExperimentName未指定,因为试验在早期步骤中创建试验时与实验相关联。

    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,双击试用版以显示试用中组件的列表(此示例有一个试用版)。您的列表应如下所示:

  12. (Studio) 要查看有关实验、试用和作业(试用组件)的信息,请参阅查看和比较亚马逊 SageMaker 查看实验、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.