Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# SageMaker riferimento all'SDK Python per smart sifting
Questa pagina fornisce un riferimento ai moduli Python necessari per applicare lo SageMaker smart sifting allo script di addestramento.
## SageMaker moduli di configurazione smart sifting
**`class smart_sifting.sift_config.sift_configs.RelativeProbabilisticSiftConfig()`**
La classe di SageMaker configurazione smart sifting.
**Parametri**
+ `beta_value` (decimale) - Un valore beta (costante). Viene utilizzato per calcolare la probabilità di selezionare un campione per l’addestramento in base al percentile della perdita nella cronologia dei valori di perdita. Riducendo il valore beta, si ottiene una percentuale inferiore di dati filtrati, mentre aumentandolo si ottiene una percentuale superiore di dati filtrati. Non esiste un valore minimo o massimo per il valore beta, a parte il fatto che deve essere un valore positivo. La seguente tabella di riferimento fornisce informazioni sui tassi di sifting rispetto a `beta_value`.
[See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/train-smart-sifting-pysdk-reference.html)
+ `loss_history_length` (intero) - Il numero di perdite di addestramento precedenti da archiviare per il campionamento basato sulla perdita di soglia relativa.
+ `loss_based_sift_config`(dict o un `LossConfig` oggetto) — Specificare un `LossConfig` oggetto che restituisca la configurazione dell'interfaccia SageMaker smart sifting Loss.
**`class smart_sifting.sift_config.sift_configs.LossConfig()`**
La classe di configurazione per il parametro `loss_based_sift_config` della classe `RelativeProbabilisticSiftConfig`.
**Parametri**
+ `sift_config` (dizionario o un oggetto `SiftingBaseConfig`) - Specifica un oggetto `SiftingBaseConfig` che restituisce un dizionario di configurazione di base per il sifting.
**`class smart_sifting.sift_config.sift_configs.SiftingBaseConfig()`**
La classe di configurazione per il parametro `sift_config` di `LossConfig`.
**Parametri**
+ `sift_delay` (intero) - Il numero di fasi di addestramento da attendere prima di avviare il sifting. È consigliabile avviare il processo dopo che tutti i livelli del modello hanno una visione sufficiente dei dati di addestramento. Il valore predefinito è `1000`.
+ `repeat_delay_per_epoch` (booleano) - Specifica se ritardare il sifting a ogni epoch. Il valore predefinito è `False`.
## SageMaker moduli di trasformazione in batch di dati smart sifting
`class smart_sifting.data_model.data_model_interface.SiftingBatchTransform`
Un modulo Python SageMaker intelligente per definire come eseguire la trasformazione in batch. Usando questo, puoi impostare una classe di trasformazione in batch che converte il formato dei dati di addestramento in formato. `SiftingBatch` SageMaker smart sifting può setacciare e accumulare dati in questo formato in un batch setacciato.
`class smart_sifting.data_model.data_model_interface.SiftingBatch`
Un’interfaccia per definire un tipo di dati in batch che può essere filtrato e accumulato.
`class smart_sifting.data_model.list_batch.ListBatch`
Un modulo per tenere traccia di un batch di elenchi da filtrare.
`class smart_sifting.data_model.tensor_batch.TensorBatch`
Un modulo per tenere traccia di un batch di tensori da filtrare.
## SageMaker modulo di implementazione smart sifting loss
`class smart_sifting.loss.abstract_sift_loss_module.Loss`
Un modulo wrapper per registrare l'interfaccia SageMaker smart sifting nella funzione di perdita di un modello. PyTorch-based
## SageMaker modulo wrapper smart sifting data loader
`class smart_sifting.dataloader.sift_dataloader.SiftingDataloader`
Un modulo wrapper per registrare l'interfaccia SageMaker smart sifting nel caricatore di dati di un modello. PyTorch-based
L’iteratore Main Sifting Dataloader separa i campioni di addestramento da uno strumento di caricamento dei dati in base a una configurazione di sifting.
**Parametri**
+ `sift_config` (dizionario o un oggetto `RelativeProbabilisticSiftConfig`) - Un oggetto `RelativeProbabilisticSiftConfig`.
+ `orig_dataloader`(un PyTorch DataLoader oggetto) — Specificate l'oggetto Dataloader da avvolgere PyTorch .
+ `batch_transforms`(un `SiftingBatchTransform` oggetto) — (Facoltativo) Se il formato dei dati non è supportato dalla trasformazione predefinita della libreria SageMaker smart sifting, è necessario creare una classe di trasformazione batch utilizzando il modulo. `SiftingBatchTransform` Questo parametro viene utilizzato per passare la classe di trasformazione in batch. Questa classe viene utilizzata per `SiftingDataloader` convertire i dati in un formato che l'algoritmo di SageMaker smart sifting può accettare.
+ `model`(un oggetto PyTorch modello) — Il modello originale PyTorch
+ `loss_impl`(una funzione di perdita di setacciamento di`smart_sifting.loss.abstract_sift_loss_module.Loss`) — Una funzione di perdita di setacciamento configurata con il `Loss` modulo e che include la funzione di perdita. PyTorch
+ `log_batch_data` (booleano) - Specifica se registrare log dei dati del batch. Se impostato su`True`, SageMaker smart sifting registra i dettagli dei lotti conservati o setacciati. È consigliabile modificare l’impostazione solo per un job di addestramento pilota. Quando la registrazione di log è attivata, i campioni vengono caricati e trasferiti sulla GPU, introducendo un overhead. Il valore predefinito è `False`.