Treinamento - SageMaker scikit-learn

Modo local offline do SageMaker — treinamento com scikit-learn¶

Treina contra um endpoint S3/STS suportado pelo moto através da biblioteca sagemaker-local (sem AWS). O trabalho é executado em um contêiner Docker local.

Conjunto de dados: california_housing (regressão), carregado dentro do contêiner de scikit-learn. A imagem construída sagemaker-local:latest já inclui scikit-learn 1.6.1.

import os
from dataclasses import replace

from sagemaker.deserializers import JSONDeserializer
from sagemaker.serializers import JSONSerializer
from sagemaker.sklearn.estimator import SKLearn
from sagemaker_local.config import config_from_env
from sagemaker_local.session import make_local_session

cfg = replace(
    config_from_env(),
    bucket="sagemaker-scikit-learn",
    image_tag="sagemaker-scikit-learn:train",
)
boto_session, sm_session = make_local_session(cfg)

print(cfg)

Treinamento¶

est.fit() é executado sincronicamente em um contêiner local; train.py carrega california_housing e escreve model.joblib para /opt/ml/model, que o SDK carrega para moto.

est = SKLearn(
    entry_point="train.py",
    source_dir=os.path.join(
        os.environ.get("SAGEMAKER_LOCAL_REPO_PATH", "/workspace"),
        "projects",
        "sagemaker_scikit_learn",
        "src",
        "sagemaker_scikit_learn",
    ),
    role=cfg.role_arn,
    instance_type="local",
    instance_count=1,
    image_uri=cfg.image_tag,
    sagemaker_session=sm_session,
    output_path=f"s3://{cfg.bucket}/models",
    hyperparameters={"dataset": "california_housing"},
)
est.fit()

Implantar e prever¶

A implantação inicia um contêiner de serviço local. As entradas são matrizes JSON 2-D, então o manipulador de entrada de serviço padrão as interpreta corretamente.

predictor = est.deploy(
    initial_instance_count=1,
    instance_type="local",
    serializer=JSONSerializer(),
    deserializer=JSONDeserializer(),
)
result = predictor.predict([[8.3, 41.0, 6, 1, 1, 1, 38.0, -121.0]])
print("predicted median house value:", result)

Limpeza¶

Exclua o endpoint para que o contêiner de serviço seja liberado e a porta 8080 seja liberada.

predictor.delete_endpoint()