Lift-and-shift 使用 @step 装饰器的 Python 代码

@step 装饰器是将本地机器学习 (ML) 代码转换为一个或多个管道步骤的功能。您可以像编写任何 ML 项目一样编写 ML 函数。在本地测试或使用装饰器作为训练作业进行测试后，您可以通过添加@remote装饰器将该函数转换为 A SageMaker I 管道步骤。@step然后，您可以将 @step 装饰函数调用的输出作为一个步骤传递给 Pipelines，以创建并运行管道。您还可以使用 @step 装饰器串联一系列函数，创建多步骤有向无环图 (DAG) 管道。

使用 @step 装饰器的设置与使用 @remote 装饰器的设置相同。关于如何设置环境和使用配置文件设置默认值，请参阅远程功能文档。有关 @step 装饰器的更多信息，请参阅 sagemaker.workflow.function_step.step。

要查看演示如何使用 @step 装饰器的示例笔记本，请参阅 @step 装饰器示例笔记本。

下文将介绍如何使用 @step 装饰器注释本地 ML 代码以创建步骤、使用步骤创建和运行管道，以及如何根据使用场景定制体验。