MXNet框架处理器 - 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。

MXNet框架处理器

Apache MXNet 是一个开源深度学习框架,通常用于训练和部署神经网络。Amaz SageMaker on Py SDK thon MXNetProcessor 中的使您能够使用MXNet脚本运行处理任务。使用时MXNetProcessor,您可以利用亚马逊构建的带有托管MXNet环境的 Docker 容器,这样您就无需自带容器。

以下代码示例说明了如何使用提供和维护的 Docker 镜像来运行处理作业。MXNetProcessor SageMaker请注意,当你运行作业时,你可以在source_dir参数中指定一个包含脚本和依赖关系的目录,也可以在你的source_dir目录中有一个requirements.txt文件来指定处理脚本的依赖关系。 SageMaker 处理会为您在容器requirements.txt中安装依赖项。

from sagemaker.mxnet import MXNetProcessor from sagemaker.processing import ProcessingInput, ProcessingOutput from sagemaker import get_execution_role #Initialize the MXNetProcessor mxp = MXNetProcessor( framework_version='1.8.0', py_version='py37', role=get_execution_role(), instance_count=1, instance_type='ml.c5.xlarge', base_job_name='frameworkprocessor-mxnet' ) #Run the processing job mxp.run( code='processing-script.py', source_dir='scripts', inputs=[ ProcessingInput( input_name='data', source=f's3://{BUCKET}/{S3_INPUT_PATH}', destination='/opt/ml/processing/input/data/' ) ], outputs=[ ProcessingOutput( output_name='processed_data', source='/opt/ml/processing/output/', destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}' ) ] )

如果您有 requirements.txt 文件,它应该是您要在容器中安装的库的列表。的路径source_dir可以是相对路径、绝对路径或 Amazon S3 URI 路径。但是,如果您使用 Amazon S3URI,则它必须指向 tar.gz 文件。在您为 source_dir 指定的目录中可以有多个脚本。要了解有关该MXNetProcessor课程的更多信息,请参阅 Amaz on Python SageMaker 中的MXNet估算器。SDK