Publié le: Apr 25, 2023
Le kit Amazon SageMaker Python SDK est une bibliothèque open source permettant d'entraîner et de déployer des modèles de machine learning sur Amazon SageMaker. Nous sommes ravis d'annoncer que le kit SageMaker Python SDK aide désormais les data scientists à exécuter tout le code ML local créé dans leur environnement de développement intégré préféré et leurs blocs-notes locaux, ainsi que les dépendances d'exécution associées, sous forme de tâches d'entraînement de modèles ML à grande échelle avec un minimum de modifications de code.
Les data scientists doivent simplement ajouter une ligne de code (un décorateur Python) à leur code ML local. Le kit SageMaker Python SDK prend en compte leurs jeux de données et la configuration de leur environnement d'espace de travail pour exécuter le code dans une tâche d'entraînement SageMaker. Ce mode décorateur permet aux data scientists de lancer plus facilement leurs flux de travail ML sur SageMaker, sans constructions de code personnalisées ni gestion de variables d'environnement. En outre, cette amélioration de l'expérience de conversion du code local en tâches réduit le temps consacré à la gestion des conteneurs grâce à la capture automatique et à la réplication de l'exécution locale. Ainsi, les data scientists passent moins de temps à recréer leur environnement local dans le cadre de tâches de production.
Cette fonctionnalité est désormais disponible dans toutes les régions dans lesquelles le kit Amazon SageMaker Python SDK est proposé. Pour commencer à utiliser cette nouvelle fonctionnalité, consultez la documentation d'Amazon SageMaker, le guide du kit Amazon SageMaker Python SDK et la page Entraînement de modèles SageMaker.
Pour consulter des exemples et en savoir plus sur les utilisations de l'interface du kit SDK de conversion du code local en tâches d'entraînement, consultez le blog ML et les exemples de blocs-notes disponibles dans le référentiel du kit SageMaker Python SDK.