发布于: May 25, 2021
Amazon SageMaker Pipelines 是首个专用的机器学习 (ML) 持续集成和持续交付 (CI/CD) 服务，现在已与 SageMaker Experiments 集成，后者是有助于客户组织、跟踪、比较和评估其 ML 实验的功能。现在，客户可以像在多个 ML 模型训练实验中比较这些指标一样，轻松地比较不同的指标，例如多次执行 SageMaker Pipelines 的模型训练准确性。SageMaker Pipelines 会自动创建一个带有管道名称的实验，并为管道的每次执行创建一个试验。默认情况下，为管道创建实验和为每个管道执行创建试验都处于打开状态。您可以选择退出自动创建。
此外，客户现在可以使用 SageMaker Experiments Python 开发工具包在他们的 SageMaker 训练作业中记录受试者工作特征 (ROC) 指标、精度召回 (PR) 指标、混淆矩阵和表格数据。现在可以在 SageMaker Pipeline 节点检查器中查看 ROC 曲线、PR 曲线和混淆矩阵的对应图解。
此功能将在所有提供 Amazon SageMaker 的 AWS 区域推出。要了解更多信息，请访问文档页面。