亚马逊 SageMaker 实验集成 - 亚马逊 SageMaker AI
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。

亚马逊 SageMaker 实验集成

Amaz SageMaker on Pipelines 与亚马逊 SageMaker 实验紧密集成。默认情况下，当 Pipelines 创建并执行管道时，如果不存在，则会创建以下 SageMaker 实验实体：

  • 管道的实验

  • 每次执行管道时的运行组

  • 为在管道执行步骤中创建的每个 SageMaker AI 作业添加到运行组的运行

您可以比较多个管道执行中的模型训练准确性等指标，就像在 SageMaker AI 模型训练实验的多个运行组中比较此类指标一样。

以下示例显示了 Amaz SageMaker on Python 软件开发工具包中 Pip elin e 类的相关参数。

Pipeline(
    name="MyPipeline",
    parameters=[...],
    pipeline_experiment_config=PipelineExperimentConfig(
      ExecutionVariables.PIPELINE_NAME,
      ExecutionVariables.PIPELINE_EXECUTION_ID
    ),
    steps=[...]
)

如果您不想为管道创建实验和运行组，则将 pipeline_experiment_config 设置为 None。

注意

Amaz SageMaker on Python SDK v2.41.0 中引入了实验集成。

根据为 pipeline_experiment_config 的 ExperimentName 和 TrialName 参数指定的内容，应用以下命名规则：

  • 如果不指定 ExperimentName，则将管道 name 用作实验名称。

    如果指定 ExperimentName，则将其用作实验名称。如果存在具有该名称的实验，则管道创建的运行组将添加到现有实验中。如果不存在具有该名称的实验，则会创建一个新的实验。

  • 如果不指定 TrialName，则将管道执行 ID 用作运行组名称。

    如果指定 TrialName，则将其用作运行组名称。如果存在具有该名称的运行组，则管道创建的运行将添加到现有的运行组中。如果不存在具有该名称的运行组，则会创建一个新的运行组。

注意

删除创建了实验实体的管道时，不会删除这些实体。您可以使用 SageMaker 实验 API 来删除实体。

有关如何查看与管道关联的 SageMaker AI 实验实体的信息，请参阅从管道访问实验数据。有关 SageMaker 实验的更多信息，请参阅Studio 经典版中的亚马逊 SageMaker 实验。

下面几节将展示上述规则的示例，以及如何在管道定义文件中表示这些规则。有关管道定义文件的更多信息，请参阅 管道概述。

主题