SageMaker 工作流程 - 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。

SageMaker 工作流程

您可以使用 Amazon SageMaker 工作室和亚马 Amazon SageMaker ageMaker Python 软件开发工具包管理您的亚马逊 SageMaker 培训和推理工作流程。借助可用的工具,您可以简化 SageMaker 流程并将其集成到现有项目中。

支持以下工作流技术。

  • Amazon SageMaker 模型构建管道:用于构建和管理端到端 ML 管道的 SageMaker 工具。

  • 气流工作流程:SageMaker API 用于导出用于创建和管理气流工作流的配置。

  • Kubernetes 编排:适用于 Kubernetes 群集的 SageMaker 自定义运算符,以及用于 Kubeflow 管道的自定义组件。

  • Amazon Step Functions:在 Python 中创建多步骤机器学习工作流程,可协调 SageMaker 基础设施,而不必分别预置资源。

有关管理 SageMaker 培训和推理的更多信息,请参阅Amazon SageMaker Python 软件开发工具包工作流.