Veröffentlicht am: Apr 25, 2023
Das Amazon SageMaker Python SDK ist eine Open-Source-Bibliothek für das Training und die Bereitstellung von Modellen für Machine Learning auf Amazon SageMaker. Wir freuen uns, ankündigen zu können, dass das SageMaker Python SDK Datenwissenschaftler dabei unterstützt, jeden lokalen ML-Code, den sie in ihrer bevorzugten IDE und ihren lokalen Notebooks erstellt haben, zusammen mit den zugehörigen Laufzeitabhängigkeiten als groß angelegte ML-Modell-Trainingsjobs mit minimalen Codeänderungen auszuführen.
Datenwissenschaftler müssen nur eine Zeile Code (einen Python-Dekorator) zu ihrem lokalen ML-Code hinzufügen und SageMaker Python SDK übernimmt ihren Code, ihre Datensätze und die Einrichtung der Arbeitsumgebung und führt sie als SageMaker-Trainingslob aus. Dieser Dekoratormodus hilft Datenwissenschaftlern, ihre ML-Workflows auf SageMaker einfacher zu starten, indem er den Bedarf an benutzerdefinierten Codekonstrukten und die Verwaltung von Umgebungsvariablen reduziert. Darüber hinaus reduziert diese Verbesserung des lokalen Codes für Jobs den Zeitaufwand für die Containerverwaltung durch die automatische Erfassung und Replikation der lokalen Laufzeit, sodass Datenwissenschaftler weniger Zeit damit verbringen müssen, ihre lokale Umgebung für produktionsreife Jobs neu zu erstellen.
Diese Funktion ist jetzt in allen Regionen verfügbar, in denen das Amazon SageMaker Python SDK verfügbar ist. Um mit der Verwendung der neuen Funktion zu beginnen, lesen Sie die Dokumentation, den Leitfaden für das von Amazon SageMaker SDK und die Seite zum SageMaker-Modelltraining.
Um Beispiele auszuprobieren und mehr darüber zu erfahren, wie die SDK-Schnittstelle für lokale Jobs für Trainingsjobs verwendet werden kann, besuchen Sie den ML-Blog und sehen Sie sich die Beispiel-Notebooks im SageMaker-Python-SDK-Repository an.