Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Integración de Amazon SageMaker Experiments
<a name="pipelines-experiments"></a>

Amazon SageMaker Pipelines está estrechamente integrado con Amazon SageMaker Experiments. De forma predeterminada, cuando Pipelines crea y ejecuta una canalización, se crean las siguientes entidades de SageMaker Experiments si no existen:
+ Un experimento para la canalización
+ Un grupo de ejecución para cada ejecución de la canalización
+ Una ejecución que se añade al grupo de ejecuciones por cada trabajo de SageMaker IA creado en un paso de ejecución de la canalización

Puedes comparar métricas, como la precisión del entrenamiento del modelo, entre varias ejecuciones en proceso, del mismo modo que puedes comparar dichas métricas entre varios grupos de ejecuciones de un experimento de entrenamiento con un modelo de SageMaker IA.

En el siguiente ejemplo, se muestran los parámetros relevantes de la clase [Pipeline](https://github.com/aws/sagemaker-python-sdk/blob/v2.41.0/src/sagemaker/workflow/pipeline.py) del [SDK de Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).

```
Pipeline(
    name="MyPipeline",
    parameters=[...],
    pipeline_experiment_config=PipelineExperimentConfig(
      ExecutionVariables.PIPELINE_NAME,
      ExecutionVariables.PIPELINE_EXECUTION_ID
    ),
    steps=[...]
)
```

Si no quiere que se cree un experimento y grupo de ejecuciones para la canalización, configure `pipeline_experiment_config` en `None`.

**nota**  
La integración de los experimentos se introdujo en la versión 2.41.0 del SDK de Amazon SageMaker Python.

Las siguientes reglas de nomenclatura se aplican en función de lo que especifique para los parámetros `ExperimentName` y `TrialName` de `pipeline_experiment_config`:
+ Si no especifica un `ExperimentName`, se usará el `name` de la canalización como nombre del experimento.

  Si especifica un `ExperimentName`, se usará como nombre del experimento. Si existe un experimento con ese nombre, los grupos de ejecuciones creados por la canalización se agregan al experimento existente. Si no existe un experimento con ese nombre, se crea uno nuevo.
+ Si no especifica un `TrialName`, se utiliza el ID de ejecución de la canalización como nombre del grupo de ejecuciones.

  Si especifica un `TrialName`, se usará como nombre del grupo de ejecuciones. Si existe un grupo de ejecuciones con ese nombre, las ejecuciones creados por la canalización se agregan al grupo de ejecuciones existente. Si no existe un grupo de ejecuciones con ese nombre, se crea uno nuevo.

**nota**  
Las entidades del experimento no se eliminan cuando se elimina la canalización que las creó. Puede usar la API de SageMaker experimentos para eliminar las entidades.

Para obtener información sobre cómo ver las entidades de los experimentos de SageMaker IA asociadas a una canalización, consulte[Acceso a los datos del experimento desde una canalización](pipelines-studio-experiments.md). Para obtener más información sobre SageMaker los experimentos, consulte[Amazon SageMaker Experiments en Studio Classic](experiments.md).

En las siguientes secciones se muestran ejemplos de las reglas anteriores y de cómo se representan en el archivo de definición de la canalización. Para obtener más información sobre los archivos de definición de las canalizaciones, consulte [Información general de canalizaciones](pipelines-overview.md).

**Topics**
+ [Comportamiento predeterminado](pipelines-experiments-default.md)
+ [Deshabilitar la integración de experimentos](pipelines-experiments-none.md)
+ [Especificar un nombre de experimento personalizado](pipelines-experiments-custom-experiment.md)
+ [Especifique un nombre personalizado del grupo de ejecuciones](pipelines-experiments-custom-trial.md)