aws / aws/sagemaker-python-sdk

ModelStep should have a 'adds_depends_on' class method

Geschlossen
#5,440 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
component: pipelines type: bug
Vorherrschende Sprache
Python
Sterne
2.3k
Forks
1.3k
Ø Merge
1 T. 22 Std.
Gemergte PRs (30 T.)
35

Beschreibung

**Describe the feature you'd like**
When constructing SageMaker pipelines, I want to construct steps that sequence Training jobs (TrainingStep) and Inference jobs (ModelStep and TransformStep) together. As part of this, I would use `add_depends_on` from the TrainingStep to allow me to string together tasks. However, we cannot do the same for ModelStep. It has to be passed via the `depends_on` parameter during initialization.

**How would this feature be used? Please describe.**
```
def setup(…):
model_step = ModelStep(…)
transform_step = TransformStep(…, model_step…)

model_step.add_depends_on(other_steps)
```

**Describe alternatives you've considered**
I am forced to pass in dependencies throughout my abstractions, rather than construct the model_step first, and then add dependencies later.

**Additional context**
happy to add more details if needed.

Beitragsleitfaden

Beitragsleitfaden öffnen

Rechercherichtung

Beginne damit, die im Issue genannten Einstiegspunkte ModelStep, TrainingStep und TransformStep zu lokalisieren, und vergleiche anschließend, wie TrainingStep add_depends_on behandelt, mit dem Initialisierungsparameter depends_on von ModelStep. Bestätige die angeforderte Verwendung, indem du die gezeigte Pipeline-Sequenz erstellst und überprüfst, dass die daraus resultierende Abhängigkeit erhalten bleibt.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
aws, python
Bereich
machine-learning
Issue-Typ
Feature
Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Aktivitätsstatus
Veraltet
Klarheit
Größtenteils klar
Anfängerfreundlichkeit
25/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.