Skip to main content
W&B s’intègre à Amazon SageMaker pour lire automatiquement les hyperparamètres, regrouper les Runs distribués et reprendre les runs à partir des checkpoints.

​
Authentification

W&B recherche un fichier nommé secrets.env dans le même répertoire que le script d’entraînement et charge son contenu dans l’environnement lorsque vous appelez wandb.init(). Pour générer un fichier secrets.env, appelez wandb.sagemaker_auth(path="source_dir") dans le script que vous utilisez pour lancer vos expériences. Ajoutez ce fichier à votre .gitignore.

​
Estimateurs existants

Si vous utilisez l’un des estimateurs préconfigurés de SageMaker, ajoutez un fichier requirements.txt à votre répertoire source contenant wandb :
Si vous utilisez un estimateur qui fonctionne avec Python 2, installez psutil depuis cette wheel avant d’installer wandb :
Pour un exemple complet, voir l’exemple SageMaker sur GitHub. Pour en savoir plus sur l’exécution de Sweeps avec SageMaker, voir l’article de blog W&B sur les Sweeps avec SageMaker. Pour obtenir un tutoriel sur le déploiement d’un analyseur de sentiment avec SageMaker et W&B, voir Deploy Sentiment Analyzer Using SageMaker and W&B.
L’agent de balayage W&B fonctionne correctement dans un job SageMaker uniquement lorsque l’intégration SageMaker est désactivée. Pour désactiver l’intégration SageMaker, mettez à jour votre appel à wandb.init() :