aws / aws/sagemaker-python-sdk
Feature support pipeline name in base_job_name at ModelTrainer
- Lenguaje dominante
- Python
- Estrellas
- 2.3k
- Forks
- 1.3k
- Merge medio
- 1 d 22 h
- PR fusionados (30 d)
- 35
Descripción
**Describe the feature you'd like**
i want to store the all files for jobs in a pattern like pipeline_name/job_name at this moment this is not possible for ModelTrainer class because train() function will call _create_training_job_args function which creates a s3 path like this:
s3://mybucket/my_pipeline_name/my_job_name/my-pipeline-name/my-job-name-20260318100943/input/sm_drivers/
or if the length of the base_job_name is longer then 63 the path could look like this:
s3://mybucket/my_pipeline_name/my_job_name/my-pipeline-name-extra-long-name/my-job-/input/sm_drivers/
**How would this feature be used? Please describe.**
This feature should be designed to help to store ModelTrainer files more consistently.
One suggestion for an S3 path would be {self.base_job_name}/input/20260318103152/sm_drivers/
**Additional context**
The Following Screenshot shows which code needs to be modified.
Guía de contribución
Línea de trabajo
Comienza en ModelTrainer.train() y sigue su llamada a _create_training_job_args(), donde el issue muestra que se ensambla la ruta de S3. Revisa cómo se gestiona la longitud de base_job_name e identifica las pruebas relacionadas o los puntos de entrada para la construcción de rutas. Se considera terminado cuando ModelTrainer almacena los archivos de trabajo siguiendo el patrón coherente solicitado, sin producir rutas malformadas para nombres largos.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- aws, python
- Área
- cloud, machine-learning
- Tipo de issue
- Nueva funcionalidad
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Estado de actividad
- Estancado
- Claridad
- Bastante claro
- Aptitud para principiantes
- 48/100