aws / aws/aws-step-functions-data-science-sdk-python
Add `deploy_instance_count` and `deploy_instance_type` to `TrainingPipeline`
- Lingua principale
- Python
- Stelle
- 299
- Fork
- 84
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Descrizione
Currently, [TrainingPipeline](https://github.com/aws/aws-step-functions-data-science-sdk-python/blob/b45b282592041d3c355f7cef492798bc3bf5415a/src/stepfunctions/template/pipeline/train.py#L95) uses the same instance type and count for both train and deploy.
Different instance types and counts are desirable to address the different profiles for each workload.
Guida per i contributori
Apri la guida per i contributori
Direzione di ricerca
Inizia da src/stepfunctions/template/pipeline/train.py, in particolare dalla definizione di TrainingPipeline collegata nell’issue. Traccia il modo in cui il tipo e il numero di istanze correnti vengono applicati al training e al deployment, quindi individua i punti di configurazione per valori di deploy separati. Il lavoro è completato quando TrainingPipeline accetta deploy_instance_count e deploy_instance_type e li usa indipendentemente dalle impostazioni di training.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- aws, python
- Ambito
- cloud, machine-learning
- Tipo di issue
- Funzionalità
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 45/100