Veröffentlicht am: Jun 7, 2023
AWS hat heute ein neues Feature in SageMaker Pipelines, dem ML-Workflow-Management-Service, angekündigt, mit der Benutzer ihre gewünschten Schritte in einer Pipeline als Sub-Workflow ausführen können. Das neue Feature, die so genannte Selektive Ausführung, ermöglicht es Ihnen, ausgewählte Schritte in einer Pipeline auszuführen, ohne die gesamte Pipeline ausführen zu müssen. Als Datenwissenschaftler, angewandter Wissenschaftler oder ML-Ingenieur, der an einer Pipeline zum Experimentieren und Bereitstellen von ML-Modellen im großen Maßstab arbeitet, können Sie dieses Feature nutzen, um eine Pipeline-Ausführung in den von Ihnen gewünschten Schritten zu initiieren und so Stunden an Verarbeitungszeit zu sparen und die Verwaltung des für die Ausführungen verwendeten Codes zu vereinfachen.
Bei der Wiederholung Ihres ML-Modell-Workflows in SageMaker Pipelines können Sie das Feature „Selektive Ausführung“ verwenden, um verschiedene Konfigurationen von Laufzeitparametern wie Instance-Typ und Anzahl auszuprobieren. Sie können die Schritte in einer Pipeline auswählen und jede frühere Ausführung als Referenz angeben. Die Ausgaben nicht ausgewählter Schritte werden automatisch aus der Referenzausführung übernommen, sodass ein erneutes Ausführen dieser Schritte vermieden wird. Selektive Ausführungen helfen Ihnen daher, Zeit und Kosten für Infrastrukturressourcen zu sparen, wenn Sie den Workflow während der Experimentierungs- und Produktionsphasen eines ML-Modells über mehrere Wiederholungen ausführen.
Sie können selektive Ausführungen in SageMaker Studio-Notebooks über PythonSDK ausführen und mit gemeinsam nutzbarem und wiederholbarem Code zusammenarbeiten. Auf das neue Feature kann in allen öffentlichen Regionen von AWS zugegriffen werden, in denen SageMaker Pipelines verfügbar ist. Erfahren Sie hiermehr über Amazon SageMaker Pipelines. Den ausführlichen Entwicklerleitfaden finden Sie hier im Abschnitt „Selektive Ausführung“.