亚马逊如何 SageMaker 提供培训信息 - Amazon SageMaker
超参数环境变量输入数据配置训练数据分布式训练配置
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。

亚马逊如何 SageMaker 提供培训信息

本节介绍如何 SageMaker 将训练信息（例如训练数据、超参数和其他配置信息）提供给 Docker 容器。

向发送启动模型训练的CreateTrainingJob请求时，您可以指定包含训练算法的 Docker 映像的亚马逊弹性容器注册表 (Amazon ECR) Registry 路径。 SageMaker 您还可以指定存储训练数据的亚马逊简单存储服务 (Amazon S3) 位置以及特定于算法的参数。 SageMaker 使这些信息可用于 Docker 容器，以便您的训练算法可以使用它。本节介绍我们如何向您的 Docker 容器提供此信息。有关创建训练作业的信息，请参阅CreateTrainingJob。有关 SageMaker 容器组织信息的方式的更多信息，请参阅使用 SageMaker 训练和推理工具包 。

超参数

SageMaker 使CreateTrainingJob请求中的超参数在文件的 Docker 容器中/opt/ml/input/config/hyperparameters.json可用。

以下是 hyperparameters.json 中的超参数配置示例，用于为 XGBoost 的 CreateTrainingJob 操作指定 num_round 和 eta 超参数。

{
    "num_round": "128",
    "eta": "0.001"
}

有关可用于 SageMaker 内置 XGBoost 算法的超参数的完整列表，请参阅 XGBoost 超参数。

您可以调整的超参数取决于所训练的算法。要查看可用于内置算法的超参数列表，请在 “使用 Ama SageMaker zon SageMaker 内置算法” 或 “预训练模型” 中算法链接下的 “超参数” 中找到这些超参数。

环境变量

SageMaker 在容器中设置以下环境变量：

  • TRAINING_JOB_NAME – 在 CreateTrainingJob 请求中指定 TrainingJobName 参数。

  • TRAINING_JOB_ARN – 作为 CreateTrainingJob 响应中的 TrainingJobArn 返回的训练作业的 Amazon 资源名称 (ARN)。

  • 在 CreateTrainingJob 请求的 Environment 参数中指定的所有环境变量。

输入数据配置

SageMaker 使CreateTrainingJob请求中InputDataConfig参数中的数据通道信息在 Docker 容器的/opt/ml/input/config/inputdataconfig.json文件中可用。

例如，假设您在请求中指定三个数据通道（train、evaluation 和 validation）。 SageMaker 提供以下 JSON：


{
  "train" : {"ContentType":  "trainingContentType",
             "TrainingInputMode": "File",
             "S3DistributionType": "FullyReplicated",
             "RecordWrapperType": "None"},
  "evaluation" : {"ContentType":  "evalContentType",
                  "TrainingInputMode": "File",
                  "S3DistributionType": "FullyReplicated",
                  "RecordWrapperType": "None"},
  "validation" : {"TrainingInputMode": "File",
                  "S3DistributionType": "FullyReplicated",
                  "RecordWrapperType": "None"}
}
注意

SageMaker 仅向容器提供有关每个数据通道（例如通道名称和内容类型）的相关信息，如前面的示例所示。 S3DistributionType将设置为FullyReplicated将 EFS 或 F 指定SxLustre 为输入数据源。

训练数据

CreateTrainingJob 请求中 AlgorithmSpecification 的参数 TrainingInputMode 指定了如何向容器提供训练数据集。有以下输入模式可用。

  • File 模式

    如果您使用 m File ode 作为TrainingInputMode值， SageMaker 请在容器中设置以下参数。

    • 您的 TrainingInputMode 参数将写入到 inputdataconfig.json 中作为“File”。

    • 您的数据通道目录写入到 /opt/ml/input/data/channel_name 中。

    如果您使用File模式，则会为每个频道 SageMaker 创建一个目录。例如，如果您有三个名为training、和testing、的频道validation，则在 Docker 容器中创建以下三个目录： SageMaker

    • /opt/ml/input/data/training

    • /opt/ml/input/data/validation

    • /opt/ml/input/data/testing

    File 还支持以下数据来源：

    • Amazon Simple Storage Service (Amazon S3)

    • Amazon Elastic File System (Amazon EFS)

    • Amazon FSx for Lustre

    注意

    使用文件系统数据来源（如 Amazon EFS 和 Amazon FSx）的通道必须使用 File 模式。在这种情况下，通道中提供的目录路径挂载在 /opt/ml/input/data/channel_name。

  • FastFile 模式

    如果您使用 m FastFile ode 作为您的TrainingInputNodeParameter，请在容器中 SageMaker 设置以下参数。

    • 与 File 模式类似，在 FastFile 模式下，您的 TrainingInputMode 参数将写入到 inputdataconfig.json 中作为“File”。

    • 您的数据通道目录写入到 /opt/ml/input/data/channel_name 中。

    FastFile 模式支持以下数据来源：

    • Amazon S3

    如果您使用 FastFile 模式，则以只读权限挂载通道目录。

    过去，File 模式优先于 FastFile 模式。为了确保向后兼容性，只要在 inputdataconfig.json. 中将 TrainingInputMode 参数设置为 File，则支持 File 模式的算法也可以无缝地与 FastFile 模式配合使用。

    注意

    使用 FastFile 模式的通道必须使用S3DataType“S3Prefix”。

    FastFile 模式显示了文件夹视图，使用正斜杠 (/) 作为将 Amazon S3 对象分组到文件夹中的分隔符。S3Uri 前缀不能对应于部分文件夹名称。例如，如果 Amazon S3 数据集包含 s3://my-bucket/train-01/data.csv，则 s3://my-bucket/train 或 s3://my-bucket/train-01 均不允许使用 S3Uri 前缀。

    建议使用结尾正斜杠来定义与文件夹对应的通道。例如，train-01 文件夹的 s3://my-bucket/train-01/ 通道。如果没有结尾处的正斜杠，则如果存在其他文件夹 s3://my-bucket/train-011/ 或文件 s3://my-bucket/train-01.txt/，就无法确定该通道。

  • Pipe 模式

    • TrainingInputMode 参数写入到 inputdataconfig.json：“Pipe”

    • Docker 容器中的数据通道目录：/opt/ml/input/data/channel_name_epoch_number

    • 支持的数据来源：Amazon S3

    您需要为每个通道从单独的管道中读取。例如，如果您有三个通道（分别名为 training、validation 和 testing），则需要从以下管道读取：

    • /opt/ml/input/data/training_0, /opt/ml/input/data/training_1, ...

    • /opt/ml/input/data/validation_0, /opt/ml/input/data/validation_1, ...

    • /opt/ml/input/data/testing_0, /opt/ml/input/data/testing_1, ...

    按顺序读取管道。例如，如果您有一个名为 training 的通道，请按以下顺序读取管道：

    1. /opt/ml/input/data/training_0在读取模式下打开并将其读入 end-of-file (EOF)，或者，如果您完成了第一个纪元，请尽早关闭管道文件。

    2. 关闭第一个管道文件后，请查找 /opt/ml/input/data/training_1 并读取它，直到您完成第二个纪元，以此类推。

    如果给定纪元的文件尚不存在，您的代码可能需要重试，直到创建该管道。各个通道类型没有顺序限制。例如，对于 training 通道，您可以读取多个纪元，并仅在准备好后才开始读取 validation 通道。或者，如果算法要求，您可以同时读取它们。

    有关展示自带容器时如何使用管道模式的 Jupyter 笔记本示例，请参阅将自己的管道模式算法带到亚马逊。 SageMaker

SageMaker 模型训练支持高性能 S3 Express One Zone 目录存储桶作为文件模式、快速文件模式和管道模式的数据输入位置。要使用 S3 Express One Zone，请输入 S3 Express One Zone 目录存储桶的位置，而不是 Amazon S3 通用存储桶。为 IAM 角色提供 ARN 以及所需的访问控制和权限策略。有关详细信息，请参阅AmazonSageMakerFullAccesspolicy。有关更多信息，请参阅 S3 Express One Zone。

分布式训练配置

如果您使用多个容器执行分布式训练， SageMaker 则在/opt/ml/input/config/resourceconfig.json文件中提供有关所有容器的信息。

为了启用容器间通信，此 JSON 文件包含所有容器的信息。 SageMaker 使该文件可用于File和Pipe模式算法。该文件提供以下信息：

  • current_host – 容器网络中的当前容器的名称。例如，algo-1。您可以随时更改主机值。不要使用此变量的特定值编写代码。

  • hosts – 容器网络中的所有容器的名称列表，按字典顺序排列。例如，["algo-1", "algo-2", "algo-3"] 用于三节点集群。容器可以使用这些名称来查找容器网络上的其他容器。您可以随时更改主机值。不要使用这些变量的特定值编写代码。

  • network_interface_name – 对您的容器公开的网络接口的名称。例如，运行消息传递接口 (MPI) 的容器可以使用该信息设置网络接口名称。

  • 请勿使用 /etc/hostname 或 /etc/hosts 中的信息，因为可能不准确。

  • 算法容器可能无法立即获得主机名信息。我们建议当节点在集群中可用时，在主机名解析操作上添加重试策略。

下面是三节点集群的节点 1 上的示例文件：

{
    "current_host": "algo-1",
    "hosts": ["algo-1","algo-2","algo-3"],
    "network_interface_name":"eth1"
}