如何在SageMaker pipeline中运行推理？
0
【以下的问题经过翻译处理】 根据此处的文档https://github.com/aws-samples/sagemaker-pipelines-callback-step-for-batch-transform/blob/main/batch_transform_with_callback.ipynb，在Sagemaker Pipeline中创建了一个独立的pipeline来执行batch transformation 。该示例利用了Lambda和SQS来实现。但是，批量转换作业不能只是训练管道的一部分吗？一旦模型被训练并添加到模型注册表中，就可以查询注册表并获取最新的模型，然后在其上运行batch transformation job，而无需在文档中设置回调，对吗？有没有从training pipeline直接运行 batch transform job的示例？
1 回答
- 最新
- 投票最多
- 评论最多
0
【以下的回答经过翻译处理】 你好，
解决方案可以各种各样，具体取决于你想要实现什么。一般来说，我认为构建通用的管道并利用参数完成不同的任务是个好主意。下图显示了一个典型的ML模式，包括各个阶段。
你可以使用 condition steps来编排Sagemaker作业，下面提供了更多信息和代码示例：
希望有帮助，