python - entry_point 脚本存储在自定义 Sagemaker Framework 培训作业容器中的什么位置?
问题描述
我正在尝试创建自己的自定义 Sagemaker 框架,该框架运行自定义 python 脚本以使用 entry_point 参数训练 ML 模型。
根据 Python SDK 文档 ( https://sagemaker.readthedocs.io/en/stable/estimators.html ),我编写了最简单的代码来运行训练作业,只是为了了解它的行为方式以及 Sagemaker 框架的工作方式。
我的问题是我不知道如何正确构建我的 Docker 容器以运行 entry_point 脚本。
我将train.py
脚本添加到仅记录文件夹和文件路径以及容器环境中的变量的容器中。
我能够运行训练作业,但是在环境变量和容器中的文件中都找不到 entry_point 脚本的任何引用。
这是我使用的代码:
- 自定义 Sagemaker 框架类:
from sagemaker.estimator import Framework
class Doc2VecEstimator(Framework):
def create_model():
pass
- 火车.py:
import argparse
import os
from datetime import datetime
def log(*_args):
print('[log-{}]'.format(datetime.now().isoformat()), *_args)
def listdir_rec(path):
ls = os.listdir(path)
print(path, ls)
for ls_path in ls:
if os.path.isdir(os.path.join(path, ls_path)):
listdir_rec(os.path.join(path, ls_path))
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--epochs', type=int, default=5)
parser.add_argument('--debug_size', type=int, default=None)
# # I commented the lines bellow since I haven't configured the environment variables in my container
# # Sagemaker specific arguments. Defaults are set in the environment variables.
# parser.add_argument('--output-data-dir', type=str, default=os.environ['SM_OUTPUT_DATA_DIR'])
# parser.add_argument('--model-dir', type=str, default=os.environ['SM_MODEL_DIR'])
# parser.add_argument('--train', type=str, default=os.environ['SM_CHANNEL_TRAIN'])
args, _ = parser.parse_known_args()
log('Received arguments {}'.format(args))
log(os.environ)
listdir_rec('.')
- Dockerfile:
FROM ubuntu:18.04
RUN apt-get -y update \
&& \
apt-get install -y --no-install-recommends \
wget \
python3 \
python3-pip \
nginx \
ca-certificates \
&& \
rm -rf /var/lib/apt/lists/*
RUN pip3 install --upgrade pip setuptools \
&& \
pip3 install \
numpy \
scipy \
scikit-learn \
pandas \
flask \
gevent \
gunicorn \
joblib \
pyAthena \
pandarallel \
nltk \
gensim \
&& \
rm -rf /root/.cache
ENV PYTHONUNBUFFERED=TRUE
ENV PYTHONDONTWRITEBYTECODE=TRUE
COPY train.py /train.py
ENTRYPOINT ["python3", "-u", "train.py"]
- 训练作业执行脚本:
framework = Doc2VecEstimator(
image_name=image,
entry_point='train_doc2vec_model.py',
output_path='s3://{bucket_prefix}'.format(bucket_prefix=bucket_prefix),
train_instance_count=1,
train_instance_type='ml.m5.xlarge',
train_volume_size=5,
role=role,
sagemaker_session=sagemaker_session,
base_job_name='gensim-doc2vec-train-100-epochs-test',
hyperparameters={
'epochs': '100',
'debug_size': '100',
},
)
framework.fit(s3_input_data_path, wait=True)
我还没有找到一种方法来使培训工作运行train_doc2vec_model.py
. 那么如何创建自己的自定义框架类/容器?
谢谢!
解决方案
SageMaker 团队创建了一个python 包sagemaker-training
以安装在您的 docker 中,以便您的客户容器能够处理外部entry_point
脚本。有关使用 Catboost 执行您想做的事情的示例,请参见此处:)
https://github.com/aws-samples/sagemaker-byo-catboost-container-demo
推荐阅读
- python - 如何使用正则表达式删除除新行之外的所有空格
- flutter - Flutter - 用户从应用程序退出后如何擦除提供者数据?
- javascript - 附加功能 SweetAlert 确认按钮不起作用
- javascript - jQuery post 不适用于 safari 但适用于 chrome
- android - 如何在手机上安装 React Native 应用程序
- javascript - 如何使用 Leaflet CoordsToLatLngs 在地图上绘制折线?
- android - Android GrantPermissionRule 不适用于 api-27
- spring-boot - 当有 3 个数据源而没有任何 @Primary 时,Spring 批量设置数据源
- node.js - 如何配置 express 以使用 dotnet core localhost SSL 证书?
- r - 不同时间点的固定效应