概述：使用ScriptProcessor和 SageMaker 地理空间容器运行处理作业 - 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 (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。

概述：使用ScriptProcessor和 SageMaker 地理空间容器运行处理作业

SageMaker geospatial 提供了一个专门构建的处理容器，。081189585635.dkr.ecr.us-west-2.amazonaws.com/sagemaker-geospatial-v1-0:latest在使用 Amazon SageMaker Processing 运行任务时，您可以使用此容器。当您创建可通过 Amaz SageMaker on Python 软件开发工具包进行处理的ScriptProcessor类的实例时，请指定该实例image_uri。

注意

如果您在尝试启动处理任务时收到 “ResourceLimit已超限” 错误，则需要申请增加配额。要开始申请增加服务限额，请参阅《服务限额用户指南》中的申请增加限额。

使用 ScriptProcessor 的先决条件

  1. 您已创建用于指定地理空间 ML 工作负载的 Python 脚本。

  2. 您已向 SageMaker 执行角色授予访问所需任何 Amazon S3 存储桶的权限。

  3. 准备好要导入到容器中的数据。Ama SageMaker zon Processing 任务支持将s3_data_type等于"ManifestFile"或设置为"S3Prefix"。

以下过程向您展示如何使用 SageMaker 地理空间容器创建实例ScriptProcessor和提交 Amazon P SageMaker rocessing 任务。

使用SageMaker 地理空间容器创建ScriptProcessor实例并提交 Amazon SageMaker Processing 任务

  1. 使用SageMaker 地理空间图像实例化该ScriptProcessor类的实例：

    from sagemaker.processing import ScriptProcessor, ProcessingInput, ProcessingOutput
	
sm_session = sagemaker.session.Session()
execution_role_arn = sagemaker.get_execution_role()

# purpose-built geospatial container
image_uri = '081189585635.dkr.ecr.us-west-2.amazonaws.com/sagemaker-geospatial-v1-0:latest'

script_processor = ScriptProcessor(
	command=['python3'],
	image_uri=image_uri,
	role=execution_role_arn,
	instance_count=4,
	instance_type='ml.m5.4xlarge',
	sagemaker_session=sm_session
)

    将 e xecution_role_ arn 替换为可以访问存储在 Amazon S3 中的输入数据以及您要在处理任务中调用的任何 Amazon 其他服务的执行角色的 ARN。 SageMaker您可以更新 instance_count 和 instance_type 以满足处理作业的要求。

  2. 要启动处理作业，请使用 .run() 方法：

    # Can be replaced with any S3 compliant string for the name of the folder.
s3_folder = geospatial-data-analysis

# Use .default_bucket() to get the name of the S3 bucket associated with your current SageMaker session
s3_bucket = sm_session.default_bucket()
					
s3_manifest_uri = f's3://{s3_bucket}/{s3_folder}/manifest.json'
s3_prefix_uri =  f's3://{s3_bucket}/{s3_folder}/image-prefix

script_processor.run(
	code='preprocessing.py',
	inputs=[
		ProcessingInput(
			source=s3_manifest_uri | s3_prefix_uri ,
			destination='/opt/ml/processing/input_data/',
			s3_data_type= "ManifestFile" | "S3Prefix",
			s3_data_distribution_type= "ShardedByS3Key" | "FullyReplicated"
		)
	],
	outputs=[
        ProcessingOutput(
            source='/opt/ml/processing/output_data/',
            destination=s3_output_prefix_url
        )
    ]
)

    • 将 preprocessing.py 替换为您自己的 Python 数据处理脚本的名称。

    • 处理作业支持两种格式化输入数据的方法。您可以创建一个指向处理作业所有输入数据的清单文件，也可以在每个单独的数据输入上使用通用前缀。如果您创建了清单文件，则将 s3_manifest_uri 设置为 "ManifestFile"。如果您使用了文件前缀，则将 s3_manifest_uri 设置为 "S3Prefix"。您可以使用 source 指定数据路径。

    • 您可以通过两种方式分发处理作业数据：

      • 通过将 s3_data_distribution_type 设置为 FullyReplicated，将您的数据分发到所有处理实例。

      • 通过将 s3_data_distribution_type 设置为 ShardedByS3Key，基于 Amazon S3 键将您的数据分发到分片中。当您使用 ShardedByS3Key 时，会向每个处理实例发送一个数据分片。

    您可以使用脚本来处理 SageMaker 地理空间数据。该脚本可以在步骤 3：编写可以计算 NDVI 的脚本中找到。要了解有关 .run() API 操作的更多信息，请参阅run用于处理的 Amaz SageMaker on Python 软件开发工具包。

为了监控处理作业的进度，ProcessingJobs 类支持一种 describe 方法。此方法返回 DescribeProcessingJob API 调用的响应。要了解更多信息，请参阅DescribeProcessingJob《亚马逊 SageMaker API 参考》。

下一个主题将向您展示如何使用 SageMaker 地理空间容器创建该ScriptProcessor类的实例，以及如何使用它来计算包含图像的归一化差异植被指数 (NDVI)。Sentinel-2