亚马逊 SageMaker 模型构建管道 - 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。

亚马逊 SageMaker 模型构建管道

亚马逊 SageMaker 模型构建管道是利用直接利用机器学习管道构建机器学习管道的工具 SageMaker 集成。由于这种集成,您可以使用为自己处理大部分步骤创建和管理的工具来创建管道并设置 SageMaker Projects 以进行编排。 SageMaker 与其他管道相比,管道具备下述优点Amazon产品流程:

SageMaker 集成

SageMaker Pipeline 直接与 SageMaker 集成,因此您无需与任何其他人交互Amazon服务。您也不需要管理任何资源,因为 SageMaker Pipeline 是一项完全托管的服务,这意味着它为您创建和管理资源。

SageMaker Python SDK 集成

由于 SageMaker 管道与 SageMaker Python SDK,您可以使用可能已经熟悉的高级 Python 界面以编程方式创建管道。查看 SageMaker 要获得 Python SDK 文档,请参阅管道.

SageMaker Studio 集成

SageMaker Studio 提供了一个环境来管理 end-to-end SageMaker 管道体验。使用 Studio,你可以绕过Amazon用于整个工作流管理的控制台。有关管理的更多信息 SageMaker 来自的管道 SageMaker 工作室,请参阅查看、跟踪和执行 SageMaker 中的管道 SageMaker 工作室.

数据谱系跟踪

与 SageMaker 管道您可以在管道执行过程中跟踪数据的历史记录。借助 Amazon SageMaker ML 世系追踪,您可以分析数据的来源、将其用作输入的位置以及从中生成的输出。例如,您可以查看从单个数据集创建的模型,也可以查看创建单个模型的数据集。有关更多信息,请参阅 亚马逊 SageMaker ML 世系跟踪

步骤重用

与 SageMaker 管道,您可以指定缓存步骤。缓存步骤时,如果再次执行同一步骤,则会对其进行索引以供稍后重复使用。因此,您可以在同一管道中重复使用同一步骤上一步执行的输出,而无需再次运行该步骤。有关步骤缓存的更多信息,请参阅缓存管道步骤.