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. # Utilizar su propio código de procesamiento Puede instalar bibliotecas para ejecutar sus scripts en su propio contenedor de procesamiento o, en un escenario más avanzado, puede crear su propio contenedor de procesamiento que cumpla con el contrato de ejecución en Amazon SageMaker AI. Para obtener más información sobre los contenedores en la SageMaker IA, consulte[Contenedores de Docker para entrenamiento e implementación de modelos](docker-containers.md). Para obtener una especificación formal que defina el contrato de un contenedor de Amazon SageMaker Processing, consulta[Cómo crear su propio contenedor de procesamiento (escenario avanzado)](build-your-own-processing-container.md). **Topics** + [Ejecutar scripts con su propio contenedor de procesamiento](processing-container-run-scripts.md) + [Cómo crear su propio contenedor de procesamiento (escenario avanzado)](build-your-own-processing-container.md) # Ejecutar scripts con su propio contenedor de procesamiento Puede usar scripts de scikit-learn para preprocesar datos y evaluar sus modelos. Para saber cómo ejecutar scripts de scikit-learn para realizar estas tareas, consulte el cuaderno de muestras de [Procesamiento de scikit-learn](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker_processing/scikit_learn_data_processing_and_model_evaluation). Este cuaderno usa la `ScriptProcessor` clase del SDK de Amazon SageMaker Python para el procesamiento. El siguiente ejemplo muestra un flujo de trabajo general para usar una clase `ScriptProcessor` con su propio contenedor de procesamiento. El flujo de trabajo muestra cómo crear su propia imagen, construir su contenedor y usar una clase `ScriptProcessor` para ejecutar un guión de preprocesamiento de Python con el contenedor. El trabajo de procesamiento procesa los datos de entrada y guarda los datos procesados en Amazon Simple Storage Service (Amazon S3). Antes de usar los siguientes ejemplos, debe tener sus propios datos de entrada y un guión de Python preparado para procesar los datos. Para ver un end-to-end ejemplo guiado de este proceso, consulte el cuaderno de ejemplo de [procesamiento de scikit-learn](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/sagemaker_processing/scikit_learn_data_processing_and_model_evaluation). 1. Cree un directorio de Docker y agregue el archivo Dockerfile utilizado para crear el contenedor de procesamiento. Instale pandas y scikit-learn en él. (También puede instalar sus propias dependencias con un comando `RUN` similar.) ``` mkdir docker %%writefile docker/Dockerfile FROM python:3.7-slim-buster RUN pip3 install pandas==0.25.3 scikit-learn==0.21.3 ENV PYTHONUNBUFFERED=TRUE ENTRYPOINT ["python3"] ``` 1. Cree el contenedor mediante el comando docker, cree un repositorio de Amazon Elastic Container Registry (Amazon ECR) y envíe la imagen a Amazon ECR. ``` import boto3 account_id = boto3.client('sts').get_caller_identity().get('Account') region = boto3.Session().region_name ecr_repository = 'sagemaker-processing-container' tag = ':latest' processing_repository_uri = '{}.dkr.ecr.{}.amazonaws.com/{}'.format(account_id, region, ecr_repository + tag) # Create ECR repository and push docker image !docker build -t $ecr_repository docker !aws ecr get-login-password --region {region} | docker login --username AWS --password-stdin {account_id}.dkr.ecr.{region}.amazonaws.com !aws ecr create-repository --repository-name $ecr_repository !docker tag {ecr_repository + tag} $processing_repository_uri !docker push $processing_repository_uri ``` 1. Configure `ScriptProcessor` desde el SDK de SageMaker Python para ejecutar el script. *image\$1uri*Sustitúyalo por el URI de la imagen que has creado y *role\$1arn* sustitúyelo por el ARN de un AWS Identity and Access Management rol que tenga acceso a tu bucket de Amazon S3 de destino. ``` from sagemaker.processing import ScriptProcessor, ProcessingInput, ProcessingOutput script_processor = ScriptProcessor(command=['python3'], image_uri='image_uri', role='role_arn', instance_count=1, instance_type='ml.m5.xlarge') ``` 1. Ejecute el script. *preprocessing.py*Sustitúyalo por el nombre de tu propio script de procesamiento de Python y *s3://path/to/my/input-data.csv* sustitúyelo por la ruta de Amazon S3 a tus datos de entrada. ``` script_processor.run(code='preprocessing.py', inputs=[ProcessingInput( source='s3://path/to/my/input-data.csv', destination='/opt/ml/processing/input')], outputs=[ProcessingOutput(source='/opt/ml/processing/output/train'), ProcessingOutput(source='/opt/ml/processing/output/validation'), ProcessingOutput(source='/opt/ml/processing/output/test')]) ``` Puede usar el mismo procedimiento con otra dependencia de biblioteca o de sistema. También puede utilizar las imágenes de Docker existentes. Esto incluye las imágenes que ejecute en otras plataformas, como [Kubernetes](https://kubernetes.io/). # Cómo crear su propio contenedor de procesamiento (escenario avanzado) Puede proporcionar a Amazon SageMaker Processing una imagen de Docker que tenga su propio código y dependencias para ejecutar sus cargas de trabajo de procesamiento de datos, ingeniería de características y evaluación de modelos. A continuación se proporciona información sobre cómo crear su propio contenedor de procesamiento. El siguiente ejemplo de un archiDockerfile crea un contenedor con las bibliotecas de Python scikit-learn y pandas que puede ejecutar como un trabajo de procesamiento. ``` FROM python:3.7-slim-buster # Install scikit-learn and pandas RUN pip3 install pandas==0.25.3 scikit-learn==0.21.3 # Add a Python script and configure Docker to run it ADD processing_script.py / ENTRYPOINT ["python3", "/processing_script.py"] ``` Para ver un ejemplo de un script de procesamiento, consulte [Comenzar](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_processing/basic_sagemaker_data_processing/basic_sagemaker_processing.ipynb) con el procesamiento. SageMaker Cree e inserte esta imagen de Docker en un repositorio de Amazon Elastic Container Registry (Amazon ECR) y asegúrese de que su función de IAM de SageMaker IA pueda extraer la imagen de Amazon ECR. Luego puedes ejecutar esta imagen en Amazon SageMaker Processing. # Imagen de cómo Amazon SageMaker Processing gestiona su contenedor de procesamiento Amazon SageMaker Processing ejecuta la imagen del contenedor de procesamiento de forma similar a la del siguiente comando, donde `AppSpecification.ImageUri` se muestra el URI de la imagen de Amazon ECR que se especifica en una `CreateProcessingJob` operación. ``` docker run [AppSpecification.ImageUri] ``` Este comando ejecuta el comando `ENTRYPOINT` configurado en la imagen de Docker. También puede anular el comando entrypoint en la imagen o proporcionar argumentos de línea de comandos al comando entrypoint utilizando los parámetros `AppSpecification.ContainerEntrypoint` y `AppSpecification.ContainerArgument` en la solicitud `CreateProcessingJob`. Al especificar estos parámetros, Amazon SageMaker Processing se configura para ejecutar el contenedor de forma similar a como lo hace el siguiente comando. ``` docker run --entry-point [AppSpecification.ContainerEntrypoint] [AppSpecification.ImageUri] [AppSpecification.ContainerArguments] ``` Por ejemplo, si especificas que debe `ContainerEntrypoint` estar `[python3, -v, /processing_script.py]` en tu `CreateProcessingJob ` solicitud y `ContainerArguments` que debe estar`[data-format, csv]`, Amazon SageMaker Processing ejecuta tu contenedor con el siguiente comando. ``` python3 -v /processing_script.py data-format csv ``` Al crear su contenedor de procesamiento, tenga en cuenta los siguientes detalles: + Amazon SageMaker Processing decide si el trabajo se completa o no, en función del código de salida de la ejecución del comando. Un trabajo de procesamiento se completa si todos los contenedores de procesamiento salen correctamente con un código de salida 0 y devuelve un error si alguno de los contenedores sale con un código de salida distinto de cero. + Amazon SageMaker Processing le permite anular el punto de entrada del contenedor de procesamiento y establecer argumentos de línea de comandos del mismo modo que lo hace con la API de Docker. Las imágenes de Docker también pueden configurar los argumentos de punto de entrada y línea de comandos mediante las instrucciones `ENTRYPOINT` y CMD. La forma en que los parámetros `ContainerEntrypoint` y `ContainerArgument` de `CreateProcessingJob` configuran el punto de entrada y los argumentos de una imagen de Docker refleja cómo Docker anula el punto de entrada y los argumentos a través de la API de Docker: + Si no se proporcionan `ContainerEntrypoint` ni `ContainerArguments`, el Procesamiento utiliza el `ENTRYPOINT` o CMD predeterminado en la imagen. + Si se proporciona `ContainerEntrypoint`, pero no `ContainerArguments`, el Procesamiento ejecuta la imagen con el punto de entrada indicado, e ignora el `ENTRYPOINT` y CMD en la imagen. + Si se proporciona `ContainerArguments`, pero no `ContainerEntrypoint`, el Procesamiento ejecuta la imagen con el `ENTRYPOINT` predeterminado en la imagen y con los argumentos proporcionados. + Si se proporcionan `ContainerEntrypoint` y `ContainerArguments`, el Procesamiento ejecuta la imagen con el punto de entrada y los argumentos indicados y se ignoran el `ENTRYPOINT` y CMD en la imagen. + Debe usar el formato exec de la instrucción `ENTRYPOINT` en su Dockerfile (`ENTRYPOINT` `["executable", "param1", "param2"])` en lugar del formato shell (`ENTRYPOINT`` command param1 param2`). Esto permite que su contenedor de procesamiento reciba señales `SIGINT` y `SIGKILL`, que el Procesamiento utiliza para detener los trabajos de procesamiento utilizando la API `StopProcessingJob`. + `/opt/ml`y todos sus subdirectorios están reservados por AI. SageMaker Cuando cree su imagen de Docker de procesamiento, no coloque ningún dato requerido por su contenedor de procesamiento en estos directorios. + Si planea usar dispositivos GPU, asegúrese de que sus contenedores sean compatibles con nvidia-docker. Incluya solo el kit de herramientas CUDA en los contenedores. No cree un paquete con controladores de NVIDIA con la imagen. Para obtener más información sobre nvidia-docker, consulte [NVIDIA/nvidia-docker](https://github.com/NVIDIA/nvidia-docker). # Cómo Amazon SageMaker Processing configura la entrada y la salida de tu contenedor de procesamiento Cuando crea un trabajo de procesamiento mediante la operación `CreateProcessingJob`, puede especificar varios valores `ProcessingInput` y `ProcessingOutput`. Utilice el `ProcessingInput` parámetro para especificar un URI de Amazon Simple Storage Service (Amazon S3) desde el que descargar datos y una ruta de acceso en el contenedor de procesamiento donde descargar los datos. El parámetro `ProcessingOutput` configura una ruta de acceso en su contenedor de procesamiento desde la que cargar datos y donde Amazon S3 cargará esos datos. Para `ProcessingInput` y `ProcessingOutput`, la ruta de acceso en el contenedor de procesamiento debe empezar por `/opt/ml/processing/ `. Por ejemplo, podría crear un trabajo de procesamiento con un parámetro `ProcessingInput` que descargue datos desde `s3://your-data-bucket/path/to/input/csv/data` en `/opt/ml/processing/csv` en el contenedor de procesamiento y un parámetro `ProcessingOutput` que cargue datos desde `/opt/ml/processing/processed_csv` en `s3://your-data-bucket/path/to/output/csv/data`. Su trabajo de procesamiento leería los datos de entrada y escribiría los datos de salida en `/opt/ml/processing/processed_csv`. A continuación, carga los datos escritos en esta ruta a la ubicación de salida especificada por Amazon S3. **importante** Los enlaces simbólicos (symlinks) no se pueden utilizar para cargar datos de salida en Amazon S3. No se siguen los symlinks al cargar los datos de salida. # Cómo Amazon SageMaker Processing proporciona registros y métricas para tu contenedor de procesamiento Cuando tu contenedor de procesamiento escribe en `stdout` o`stderr`, Amazon SageMaker Processing guarda el resultado de cada contenedor de procesamiento y lo coloca en CloudWatch los registros de Amazon. Para obtener más información acerca del registro, consulte [CloudWatch Registros para Amazon SageMaker AI](logging-cloudwatch.md). Amazon SageMaker Processing también proporciona CloudWatch métricas para cada instancia que ejecuta tu contenedor de procesamiento. Para obtener más información acerca de las métricas, consulte [Métricas de Amazon SageMaker AI en Amazon CloudWatch](monitoring-cloudwatch.md). ## Cómo Amazon SageMaker Processing configura tu contenedor de procesamiento Amazon SageMaker Processing proporciona información de configuración a su contenedor de procesamiento a través de variables de entorno y dos archivos JSON `/opt/ml/config/resourceconfig.json` (`/opt/ml/config/processingjobconfig.json`y) en ubicaciones predefinidas del contenedor. Cuando se inicia un trabajo de procesamiento, utiliza las variables de entorno que ha especificado con el mapeo de `Environment` en la solicitud `CreateProcessingJob`. El archivo `/opt/ml/config/processingjobconfig.json` contiene información sobre los nombres de host de los contenedores de procesamiento, y también se especifica en la solicitud `CreateProcessingJob`. En el ejemplo siguiente se muestra el formato del archivo `/opt/ml/config/processingjobconfig.json`. ``` { "ProcessingJobArn": "", "ProcessingJobName": "", "AppSpecification": { "ImageUri": "", "ContainerEntrypoint": null, "ContainerArguments": null }, "Environment": { "KEY": "VALUE" }, "ProcessingInputs": [ { "InputName": "input-1", "S3Input": { "LocalPath": "/opt/ml/processing/input/dataset", "S3Uri": "", "S3DataDistributionType": "FullyReplicated", "S3DataType": "S3Prefix", "S3InputMode": "File", "S3CompressionType": "None", "S3DownloadMode": "StartOfJob" } } ], "ProcessingOutputConfig": { "Outputs": [ { "OutputName": "output-1", "S3Output": { "LocalPath": "/opt/ml/processing/output/dataset", "S3Uri": "", "S3UploadMode": "EndOfJob" } } ], "KmsKeyId": null }, "ProcessingResources": { "ClusterConfig": { "InstanceCount": 1, "InstanceType": "ml.m5.xlarge", "VolumeSizeInGB": 30, "VolumeKmsKeyId": null } }, "RoleArn": "", "StoppingCondition": { "MaxRuntimeInSeconds": 86400 } } ``` El archivo `/opt/ml/config/resourceconfig.json` contiene información sobre los nombres de host de los contenedores de procesamiento. Utilice los siguientes nombres de host al crear o ejecutar código de procesamiento distribuido. ``` { "current_host": "algo-1", "hosts": ["algo-1","algo-2","algo-3"] } ``` No utilice la información sobre los nombres de host que se incluye en `/etc/hostname` o `/etc/hosts` porque podría ser inexacta. Es posible que la información del nombre de host no esté disponible inmediatamente para el contenedor de procesamiento. Recomendamos agregar una política de reintentos en las operaciones de resolución de nombres de host a medida que los nodos estén disponibles en el clúster. # Guardar y acceder a la información de metadatos sobre su trabajo de procesamiento Para guardar metadatos del contenedor de procesamiento después de salir de él, los contenedores pueden escribir texto codificado en UTF-8 en el archivo `/opt/ml/output/message`. Después de que el trabajo de procesamiento cambie a un estado de terminal ("`Completed`", "`Stopped`" o "`Failed`"), el campo "`ExitMessage`" en [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeProcessingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeProcessingJob.html) contiene el primer 1 KB de este archivo. Obtenga acceso a esa parte inicial del archivo con una llamada a [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeProcessingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeProcessingJob.html), que la devuelve a través del parámetro `ExitMessage`. Para trabajos de procesamiento con error, puede utilizar este campo para ofrecer información de por qué el contenedor de procesamiento generó un error. **importante** No escriba datos confidenciales en el archivo `/opt/ml/output/message`. Si los datos de este archivo no están codificados en UTF-8, se produce un error en el trabajo y devuelve `ClientError`. Si varios contenedores finalizan con `ExitMessage,` el contenido `ExitMessage` de cada contenedor de procesamiento se concatena y, a continuación, se trunca a 1 KB. # Ejecute su contenedor de procesamiento con el SDK de Python para SageMaker IA Puedes usar el SDK de SageMaker Python para ejecutar tu propia imagen de procesamiento mediante la `Processor` clase. El siguiente ejemplo muestra cómo ejecutar su propio contenedor de procesamiento con una entrada de Amazon Simple Storage Service (Amazon S3) y una salida a Amazon S3. ``` from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput processor = Processor(image_uri='', role=role, instance_count=1, instance_type="ml.m5.xlarge") processor.run(inputs=[ProcessingInput( source='', destination='/opt/ml/processing/input_data')], outputs=[ProcessingOutput( source='/opt/ml/processing/processed_data', destination='')], ) ``` En lugar de crear el código de procesamiento en la imagen de procesamiento, puede proporcionar un `ScriptProcessor` con su imagen y el comando que desea ejecutar, junto con el código que desea ejecutar dentro de ese contenedor. Para ver un ejemplo, consulta [Ejecutar scripts con su propio contenedor de procesamiento](processing-container-run-scripts.md). También puedes usar la imagen de scikit-learn que proporciona Amazon SageMaker Processing `SKLearnProcessor` para ejecutar los scripts de scikit-learn. Para ver un ejemplo, consulte [Ejecución de un trabajo de procesamiento con scikit-learn](use-scikit-learn-processing-container.md).