在 sagemaker 中进行预测之前，如何预处理输入数据？

Question

我正在使用 java Sagemaker SDK 调用 Sagemaker 端点。我发送的数据几乎不需要清理，模型就可以将其用于预测。如何在 Sagemaker 中做到这一点。

我在 Jupyter 笔记本实例中有一个预处理功能，它在传递数据以训练模型之前清理训练数据。现在我想知道我是否可以在调用端点时使用该函数，或者该函数是否已被使用？ 如果有人愿意，我可以显示我的代码吗？

编辑 1 基本上，在预处理中，我正在做标签编码。这是我的预处理功能

def preprocess_data(data):
 print("entering preprocess fn")
 # convert document id & type to labels
 le1 = preprocessing.LabelEncoder()
 le1.fit(data["documentId"])
 data["documentId"]=le1.transform(data["documentId"])
 le2 = preprocessing.LabelEncoder()
 le2.fit(data["documentType"])
 data["documentType"]=le2.transform(data["documentType"])
 print("exiting preprocess fn")
 return data,le1,le2

这里的“数据”是一个熊猫数据框。

现在我想在调用端点时使用这些 le1,le2。我想在 sagemaker 本身而不是在我的 java 代码中进行此预处理。

Answer 1

现在 SageMaker 中有一项新功能，称为推理管道。这使您可以构建由两到五个容器组成的线性序列，用于预处理/后处理请求。然后将整个管道部署在单个端点上。

https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html

Answer 2

SageMaker MXNet 容器是open source。

你在这里添加 pandas 做 docker 容器：https://github.com/aws/sagemaker-mxnet-containers/blob/master/docker/1.1.0/Dockerfile.gpu#L4

repo 还包含有关如何构建容器的说明：https://github.com/aws/sagemaker-mxnet-containers#building-your-image

sagemakercontaineramazon-sagemaker

Answer 3

一种选择是将您的预处理代码作为 AWS Lambda 函数的一部分，并在预处理完成后使用该 Lambda 调用 SageMaker 的调用端点。 AWS Lambda 支持 Python，应该很容易拥有与 Jupyter 笔记本中相同的代码，也在该 Lambda 函数中。您还可以使用该 Lambda 调用外部服务（例如 DynamoDB）来查找数据以丰富数据。

您可以在 SageMaker 文档中找到更多信息：https://docs.aws.amazon.com/sagemaker/latest/dg/getting-started-client-app.html

Answer 4

您需要编写一个脚本并在创建模型时提供该脚本。该脚本将有一个 input_fn ，您可以在其中进行预处理。 有关更多详细信息，请参阅 aws 文档。

https://docs.aws.amazon.com/sagemaker/latest/dg/mxnet-training-inference-code-template.html