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