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.
-
导入
sys
模块来安装 SDK。import sys
-
(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
-
!{sys.executable} -m pip install sagemaker-experiments
-
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
-
获取执行角色并创建 SageMaker 会话。
role = sagemaker.get_execution_role() sm_sess = sagemaker.session.Session()
-
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'}])
-
(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:
-
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'}])
-
(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:
-
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'}])
-
(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:
-
(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.