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。Amazon SageMaker Python SDK 中的 MXNetProcessor 为您提供了使用 MXNet 脚本运行处理作业的功能。在使用 MXNetProcessor 时，您可以利用 Amazon 构建的 Docker 容器和托管的 MXNet 环境，这样您便无需自带容器。

以下代码示例显示了如何使用 MXNetProcessor 以及 SageMaker AI 提供并维护的 Docker 映像运行处理作业。请注意，在运行作业时，您可以在 source_dir 参数中指定包含脚本和依赖关系的目录，并且可以在 source_dir 目录中有一个 requirements.txt 文件以指定处理脚本的依赖项。SageMaker Processing 会在容器的 requirements.txt 中为您安装依赖项。

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。source_dir 的路径可以是相对路径、绝对路径或 Amazon S3 URI 路径。但是，如果您使用 Amazon S3 URI，则路径必须指向 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 MXNetProcessor 类的更多信息，请参阅《Amazon SageMaker Python SDK》中的 MXNet 估算器。