AWS اکاؤنٹس میں پائپ لائنوں کو دیکھنے یا ان کا نظم کرنے کے لیے Amazon SageMaker پائپ لائن شیئرنگ کا استعمال کریں۔

9 اگست 2022 کو، ہم نے کراس اکاؤنٹ شیئرنگ کی عام دستیابی کا اعلان کیا ایمیزون سیج میکر پائپ لائنز ادارے. اب آپ اس کے لیے کراس اکاؤنٹ سپورٹ استعمال کر سکتے ہیں۔ ایمیزون سیج میکر پائپ لائنز AWS اکاؤنٹس میں پائپ لائن اداروں کا اشتراک کرنے اور مشترکہ پائپ لائنوں تک براہ راست رسائی حاصل کرنے کے لیے ایمیزون سیج میکر API کالز۔

صارفین تیزی سے اپنا رہے ہیں۔ ملٹی اکاؤنٹ آرکیٹیکچرز SageMaker پائپ لائنز کے ساتھ مشین لرننگ (ML) ورک فلو کی تعیناتی اور انتظام کے لیے۔ اس میں ڈویلپمنٹ یا تجرباتی (ڈیو) اکاؤنٹس میں ورک فلو بنانا، ٹیسٹنگ یا پری پروڈکشن (ٹیسٹ) اکاؤنٹ میں ان کی تعیناتی اور جانچ کرنا، اور آخر میں انہیں دوسرے کاروباری عملوں کے ساتھ ضم کرنے کے لیے پروڈکشن (پروڈ) اکاؤنٹس میں فروغ دینا شامل ہے۔ آپ درج ذیل استعمال کے معاملات میں SageMaker پائپ لائنز کے کراس اکاؤنٹ شیئرنگ سے فائدہ اٹھا سکتے ہیں:

• جب ڈیٹا سائنسدان ایک ڈیو اکاؤنٹ میں ML ورک فلوز بناتے ہیں، تو ان ورک فلوز کو ایک ML انجینئر کے ذریعے SageMaker پائپ لائن کے بطور ایک وقف شدہ ٹیسٹ اکاؤنٹ میں تعینات کیا جاتا ہے۔ ان ورک فلوز کی مزید نگرانی کے لیے، ڈیٹا سائنسدانوں کو اب ٹیسٹ اکاؤنٹ میں تعینات پائپ لائن کے لیے کراس اکاؤنٹ پڑھنے کی اجازت درکار ہے۔
• ایم ایل انجینئرز، ایم ایل ایڈمنز، اور کمپلائنس ٹیمیں، جو مشترکہ سروسز اکاؤنٹ سے ان ایم ایل ورک فلوز کی تعیناتی اور آپریشنز کا انتظام کرتی ہیں، کو بھی ٹیسٹ اکاؤنٹ میں تعینات پائپ لائن میں مرئیت کی ضرورت ہوتی ہے۔ انہیں ان ML ورک فلو کو شروع کرنے، روکنے اور دوبارہ کوشش کرنے کے لیے اضافی اجازتیں بھی درکار ہو سکتی ہیں۔

اس پوسٹ میں، ہم SageMaker Pipelines کے ساتھ ML ورک فلو کو تیار کرنے اور ان کی تعیناتی کے لیے ملٹی اکاؤنٹ فن تعمیر کی ایک مثال پیش کرتے ہیں۔

حل جائزہ

ایک کثیر اکاؤنٹ کی حکمت عملی آپ کو ڈیٹا، پروجیکٹ، اور ٹیم کی تنہائی حاصل کرنے میں مدد کرتی ہے جبکہ سافٹ ویئر ڈویلپمنٹ لائف سائیکل کے مراحل کی حمایت کرتی ہے۔ کراس اکاؤنٹ پائپ لائن شیئرنگ ایک ملٹی اکاؤنٹ حکمت عملی کو سپورٹ کرتی ہے، متعدد اکاؤنٹس میں لاگ ان اور آؤٹ کرنے کے اوور ہیڈ کو ہٹاتی ہے اور متعدد اکاؤنٹس میں براہ راست وسائل کا اشتراک کرکے ایم ایل ٹیسٹنگ اور تعیناتی ورک فلو کو بہتر بناتی ہے۔

اس مثال میں، ہمارے پاس ڈیٹا سائنس ٹیم ہے جو SageMaker پائپ لائن کی ابتدائی ترقی کے لیے ایک وقف شدہ دیو اکاؤنٹ استعمال کرتی ہے۔ اس پائپ لائن کو پھر ایک ایم ایل انجینئر کے حوالے کیا جاتا ہے، جو ایک تخلیق کرتا ہے۔ مسلسل انضمام اور مسلسل ترسیل (CI/CD) پائپ لائن اس پائپ لائن کو ٹیسٹ اکاؤنٹ میں تعینات کرنے کے لیے ان کے مشترکہ خدمات کے اکاؤنٹ میں۔ اب بھی ان کے متعلقہ ڈیو اور مشترکہ خدمات کے اکاؤنٹس سے تعینات پائپ لائن کی نگرانی اور کنٹرول کرنے کے قابل ہونے کے لیے، وسائل کے حصص کے ساتھ قائم ہیں AWS ریسورس ایکسیس مینیجر ٹیسٹ اور دیو اکاؤنٹس میں۔ اس سیٹ اپ کے ساتھ، ایم ایل انجینئر اور ڈیٹا سائنسدان اب ڈیو میں پائپ لائنوں کی نگرانی اور کنٹرول کر سکتے ہیں اور اپنے متعلقہ اکاؤنٹس سے اکاؤنٹس کی جانچ کر سکتے ہیں، جیسا کہ درج ذیل تصویر میں دکھایا گیا ہے۔

ورک فلو میں، ڈیٹا سائنسدان اور ایم ایل انجینئر درج ذیل اقدامات انجام دیتے ہیں:

1. ڈیٹا سائنسدان (DS) دیو اکاؤنٹ میں ایک ماڈل پائپ لائن بناتا ہے۔
2. ایم ایل انجینئر (MLE) ماڈل پائپ لائن تیار کرتا ہے اور ایک پائپ لائن بناتا ہے، (اس پوسٹ کے لیے، ہم اسے کہتے ہیں sagemaker-pipeline).
3. sagemaker-pipeline کوڈ ایک کے لئے پرعزم ہے۔ AWS CodeCommit مشترکہ خدمات کے اکاؤنٹ میں ذخیرہ۔
4. ڈیٹا سائنسدان AWS RAM ریسورس شیئر کے لیے تخلیق کرتا ہے۔ sagemaker-pipeline اور اسے مشترکہ خدمات کے اکاؤنٹ کے ساتھ شیئر کرتا ہے، جو وسائل کا حصہ قبول کرتا ہے۔
5. مشترکہ خدمات کے اکاؤنٹ سے، ایم ایل انجینئر اب ڈیو اکاؤنٹ میں چلنے والی پائپ لائن کی وضاحت، نگرانی اور انتظام کرنے کے قابل ہیں۔ سیج میکر API کالز.
6. مشترکہ سروس اکاؤنٹ میں متحرک ہونے والی ایک CI/CD پائپ لائن اس کا استعمال کرتے ہوئے کوڈ کو ٹیسٹ اکاؤنٹ میں بناتی اور تعینات کرتی ہے۔ AWS کوڈ پائپ لائن.
7. CI/CD پائپ لائن بناتی اور چلتی ہے۔ sagemaker-pipeline ٹیسٹ اکاؤنٹ میں.
8. بھاگنے کے بعد۔ sagemaker-pipeline ٹیسٹ اکاؤنٹ میں، CI/CD پائپ لائن اس کے لیے وسائل کا حصہ بناتی ہے۔ sagemaker-pipeline ٹیسٹ اکاؤنٹ میں.
9. ٹیسٹ سے وسائل کا حصہ sagemaker-pipeline صرف پڑھنے کی اجازتوں کے ساتھ dev اکاؤنٹ کے ساتھ بنایا گیا ہے، جو وسائل کا حصہ قبول کرتا ہے۔
10. ڈیٹا سائنٹسٹ اب ڈیو اکاؤنٹ سے SageMaker API کالز کا استعمال کرتے ہوئے ٹیسٹ پائپ لائن رن اسٹیٹس کی وضاحت اور نگرانی کرنے کے قابل ہے۔
11. ٹیسٹ سے وسائل کا حصہ sagemaker-pipeline توسیعی اجازتوں کے ساتھ مشترکہ خدمات کے اکاؤنٹ کے ساتھ تخلیق کیا جاتا ہے، جو وسائل کا حصہ قبول کرتا ہے۔
12. ML انجینئر اب مشترکہ سروسز اکاؤنٹ سے SageMaker API کالز کا استعمال کرتے ہوئے چلائی جانے والی ٹیسٹ پائپ لائن کی وضاحت، نگرانی اور انتظام کرنے کے قابل ہے۔

مندرجہ ذیل حصوں میں، ہم مزید تفصیل میں جاتے ہیں اور SageMaker پائپ لائنز کے لیے کراس اکاؤنٹ شیئرنگ کو ترتیب دینے کے طریقے کے بارے میں ایک مظاہرہ فراہم کرتے ہیں۔

تمام اکاؤنٹس میں سیج میکر پائپ لائنز کیسے بنائیں اور شیئر کریں۔

اس سیکشن میں، ہم AWS RAM اور SageMaker API کا استعمال کرتے ہوئے تمام اکاؤنٹس میں پائپ لائنز بنانے اور ان کا اشتراک کرنے کے لیے ضروری مراحل سے گزرتے ہیں۔

ماحول قائم کریں

سب سے پہلے، ہمیں سیج میکر پائپ لائنوں کے کراس اکاؤنٹ شیئرنگ کو ظاہر کرنے کے لیے ایک ملٹی اکاؤنٹ ماحول قائم کرنے کی ضرورت ہے:

1. دو AWS اکاؤنٹس (dev اور test) مرتب کریں۔ آپ اسے کسی تنظیم کے ممبر اکاؤنٹس یا خود مختار اکاؤنٹس کے طور پر ترتیب دے سکتے ہیں۔
2. اگر آپ کسی تنظیم کے رکن کے طور پر اپنے اکاؤنٹس ترتیب دے رہے ہیں، تو آپ فعال کر سکتے ہیں۔ آپ کی تنظیم کے ساتھ وسائل کا اشتراک. اس ترتیب کے ساتھ، جب آپ اپنی تنظیم میں وسائل کا اشتراک کرتے ہیں، تو AWS RAM پرنسپلز کو دعوت نامے نہیں بھیجتی ہے۔ آپ کی تنظیم کے پرنسپلز دعوت ناموں کا تبادلہ کیے بغیر مشترکہ وسائل تک رسائی حاصل کرتے ہیں۔
3. ٹیسٹ اکاؤنٹ میں لانچ کریں۔ ایمیزون سیج میکر اسٹوڈیو اور نوٹ بک چلائیں۔ ٹرین-رجسٹر-تعینات-پائپ لائن-ماڈل. یہ آپ کے ٹیسٹ اکاؤنٹ میں ایک مثال پائپ لائن بناتا ہے۔ مظاہرے کو آسان بنانے کے لیے، ہم پائپ لائن کو شروع کرنے کے لیے ٹیسٹ اکاؤنٹ میں SageMaker اسٹوڈیو کا استعمال کرتے ہیں۔ حقیقی زندگی کے منصوبوں کے لیے، آپ کو اسٹوڈیو کو صرف ڈیو اکاؤنٹ میں استعمال کرنا چاہیے اور اپنے CI/CD ٹولنگ کا استعمال کرتے ہوئے ٹیسٹ اکاؤنٹ میں SageMaker پائپ لائن لانچ کرنا چاہیے۔

اس پائپ لائن کو دیو اکاؤنٹ کے ساتھ شیئر کرنے کے لیے اگلے حصے میں دی گئی ہدایات پر عمل کریں۔

ایک پائپ لائن وسائل کا حصہ مرتب کریں۔

ڈیو اکاؤنٹ کے ساتھ اپنی پائپ لائن کا اشتراک کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:

1. AWS RAM کنسول پر، منتخب کریں۔ وسائل کا حصہ بنائیں.
2. کے لئے وسائل کی قسم منتخب کریں۔منتخب کریں سیج میکر پائپ لائنز.
3. وہ پائپ لائن منتخب کریں جو آپ نے پچھلے مرحلے میں بنائی تھی۔
4. میں سے انتخاب کریں اگلے.
   
5. کے لئے اجازت، اپنی متعلقہ اجازتوں کا انتخاب کریں۔
6. میں سے انتخاب کریں اگلے.
   اگلا، آپ فیصلہ کرتے ہیں کہ آپ پرنسپلز تک کیسے رسائی دینا چاہتے ہیں۔
7. اگر آپ کو صرف اپنے تنظیمی کھاتوں میں پائپ لائن کا اشتراک کرنے کی ضرورت ہے، تو منتخب کریں۔ صرف اپنی تنظیم کے اندر اشتراک کی اجازت دیں۔; دوسری صورت میں منتخب کریں کسی کے ساتھ شیئر کرنے کی اجازت دیں۔.
8. کے لئے پرنسپل، اپنی بنیادی قسم کا انتخاب کریں (آپ اپنی اشتراک کی ضرورت کی بنیاد پر AWS اکاؤنٹ، تنظیم، یا تنظیمی یونٹ استعمال کر سکتے ہیں)۔ اس پوسٹ کے لیے، ہم AWS اکاؤنٹ کی سطح پر کسی کے ساتھ بھی شیئر کرتے ہیں۔
9. اپنی پرنسپل ID منتخب کریں۔
10. میں سے انتخاب کریں اگلے.
    
11. پر جائزہ لیں اور تخلیق کریں۔ صفحہ، تصدیق کریں کہ آپ کی معلومات درست ہے اور منتخب کریں۔ وسائل کا حصہ بنائیں.
    
12. اپنے منزل کے اکاؤنٹ پر جائیں (اس پوسٹ کے لیے، آپ کا دیو اکاؤنٹ)۔
13. AWS RAM کنسول پر، نیچے میرےساتھ اشتراک کیا نیویگیشن پین میں، منتخب کریں۔ وسائل کے حصص.
14. اپنے وسائل کا حصہ منتخب کریں اور منتخب کریں۔ وسائل کا حصہ قبول کریں۔.
    

وسائل کے اشتراک کی اجازت

اپنے وسائل کا حصہ بناتے وقت، آپ SageMaker پائپ لائن وسائل کی قسم کے ساتھ منسلک ہونے کے لیے دو معاون اجازت پالیسیوں میں سے ایک کا انتخاب کر سکتے ہیں۔ دونوں پالیسیاں کسی بھی منتخب پائپ لائن اور اس کے تمام رن تک رسائی فراہم کرتی ہیں۔

۔ AWSRAMDefaultPermissionSageMakerPipeline پالیسی درج ذیل صرف پڑھنے کے اعمال کی اجازت دیتی ہے:

"sagemaker:DescribePipeline"
"sagemaker:DescribePipelineDefinitionForExecution"
"sagemaker:DescribePipelineExecution"
"sagemaker:ListPipelineExecutions"
"sagemaker:ListPipelineExecutionSteps"
"sagemaker:ListPipelineParametersForExecution"
"sagemaker:Search"

۔ AWSRAMPermissionSageMakerPipelineAllowExecution پالیسی میں پہلے سے طے شدہ پالیسی سے صرف پڑھنے کی تمام اجازتیں شامل ہیں، اور مشترکہ اکاؤنٹس کو پائپ لائن چلانے کو شروع کرنے، روکنے اور دوبارہ کوشش کرنے کی بھی اجازت دیتی ہے۔

توسیعی پائپ لائن چلانے کی اجازت کی پالیسی درج ذیل کارروائیوں کی اجازت دیتی ہے:

"sagemaker:DescribePipeline"
"sagemaker:DescribePipelineDefinitionForExecution"
"sagemaker:DescribePipelineExecution"
"sagemaker:ListPipelineExecutions"
"sagemaker:ListPipelineExecutionSteps"
"sagemaker:ListPipelineParametersForExecution"
"sagemaker:StartPipelineExecution"
"sagemaker:StopPipelineExecution"
"sagemaker:RetryPipelineExecution"
"sagemaker:Search"

براہ راست API کالز کے ذریعے مشترکہ پائپ لائن اداروں تک رسائی حاصل کریں۔

اس سیکشن میں، ہم آپ کے ساتھ شیئر کیے گئے ریموٹ اکاؤنٹس میں چلنے والی پائپ لائنوں میں مرئیت حاصل کرنے کے لیے مختلف SageMaker Pipeline API کالز کو کس طرح استعمال کر سکتے ہیں اس پر روشنی ڈالتے ہیں۔ دیو اکاؤنٹ سے ٹیسٹ اکاؤنٹ میں چلنے والی پائپ لائن کے خلاف APIs کی جانچ کے لیے، دیو اکاؤنٹ میں لاگ ان کریں اور استعمال کریں AWS CloudShell.

کراس اکاؤنٹ سیج میکر پائپ لائن API کالز کے لیے، آپ کو ہمیشہ اپنی پائپ لائن ARN کو پائپ لائن کی شناخت کے طور پر استعمال کرنے کی ضرورت ہے۔ اس میں وہ کمانڈز بھی شامل ہیں جن میں پائپ لائن کے نام کی ضرورت ہوتی ہے، جہاں آپ کو پائپ لائن کے نام کے طور پر اپنی پائپ لائن ARN استعمال کرنے کی ضرورت ہوتی ہے۔

اپنی پائپ لائن ARN حاصل کرنے کے لیے، اپنے ٹیسٹ اکاؤنٹ میں، اسٹوڈیو میں اپنی پائپ لائن کی تفصیلات بذریعہ نیویگیٹ کریں۔ سیج میکر وسائل.

میں سے انتخاب کریں پائپ لائنز آپ کے وسائل کی فہرست پر۔

اپنی پائپ لائن کا انتخاب کریں اور اپنی پائپ لائن پر جائیں۔ ترتیبات ٹیب آپ اپنے ساتھ پائپ لائن اے آر این تلاش کر سکتے ہیں۔ میٹا ڈیٹا معلومات. اس مثال کے لیے، آپ کے ARN کی تعریف اس طرح کی گئی ہے۔ "arn:aws:sagemaker:us-east-1:<account-id>:pipeline/serial-inference-pipeline".

فہرست پائپ لائن عملدرآمد

یہ API کال رنز کی فہرست دیتا ہے۔ آپ کی پائپ لائن کا۔ درج ذیل کمانڈ چلائیں، تبدیل کریں۔ $SHARED_PIPELINE_ARN CloudShell سے اپنی پائپ لائن ARN کے ساتھ یا استعمال کرتے ہوئے AWS کمانڈ لائن انٹرفیس (AWS CLI) مختص کردہ کے ساتھ تشکیل شدہ AWS شناخت اور رسائی کا انتظام (اے ایم آئی) کردار:

aws sagemaker list-pipeline-executions --pipeline-name $SHARED_PIPELINE_ARN

جواب ان کے ساتھ آپ کی پائپ لائن کے تمام رنز کی فہرست دیتا ہے۔ PipelineExecutionArn, StartTime, PipelineExecutionStatus، اور PipelineExecutionDisplayName:

{
  "PipelineExecutionSummaries": [
    {
      "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>",
      "StartTime": "2022-08-10T11:32:05.543000+00:00",
      "PipelineExecutionStatus": "Executing",
      "PipelineExecutionDisplayName": "execution-321"
    },
    {
      "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>",
      "StartTime": "2022-08-10T11:28:03.680000+00:00",
      "PipelineExecutionStatus": "Stopped",
      "PipelineExecutionDisplayName": "test"
    },
    {
      "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>",
      "StartTime": "2022-08-10T11:03:47.406000+00:00",
      "PipelineExecutionStatus": "Succeeded",
      "PipelineExecutionDisplayName": "execution-123"
    }
  ]
}

پائپ لائن کی وضاحت کریں۔

یہ API کال تفصیل بیان کرتا ہے۔ آپ کی پائپ لائن کا۔ درج ذیل کمانڈ چلائیں، تبدیل کریں۔ $SHARED_PIPELINE_ARN آپ کی پائپ لائن ARN کے ساتھ:

aws sagemaker describe-pipeline --pipeline-name $SHARED_PIPELINE_ARN

جواب آپ کی پائپ لائن کا میٹا ڈیٹا فراہم کرتا ہے، نیز اس کی تخلیق اور ترمیم کے بارے میں معلومات:

Output(truncated): 
{
"PipelineArn": "arn:aws:sagemaker:<region>:<account-id>:pipeline/<pipeline_name>",
"PipelineName": "serial-inference-pipeline",
"PipelineDisplayName": "serial-inference-pipeline",
"PipelineDefinition": "{"Version": "2020-12-01", "Metadata": {}, "Parameters": [{"Name": "TrainingInstanceType", "Type": "String", "DefaultValue": "ml.m5.xlarge"}, {"Name": "ProcessingInstanceType", "Type": "String", "DefaultValue": "ml.m5.xlarge"}, {"Name": "ProcessingInstanceCount", "Type": "Integer", "DefaultValue": 1}, {"Name": "InputData", "Type":

..

"PipelineStatus": "Active",
"CreationTime": "2022-08-08T21:33:39.159000+00:00",
"LastModifiedTime": "2022-08-08T21:48:14.274000+00:00",
"CreatedBy": {},
"LastModifiedBy": {}
}

پائپ لائن ایگزیکیوشن کی وضاحت کریں۔

یہ API کال تفصیل بیان کرتا ہے۔ آپ کی پائپ لائن چل رہی ہے۔ درج ذیل کمانڈ چلائیں، تبدیل کریں۔ $SHARED_PIPELINE_ARN آپ کی پائپ لائن ARN کے ساتھ:

aws sagemaker describe-pipeline-execution 
--pipeline-execution-arn $PIPELINE_EXECUTION_ARN

جواب آپ کی پائپ لائن چلانے کی تفصیلات فراہم کرتا ہے، بشمول PipelineExecutionStatus, ExperimentName، اور TrialName:

{
  "PipelineArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>",
  "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>",
  "PipelineExecutionDisplayName": "execution-123",
  "PipelineExecutionStatus": "Succeeded",
  "PipelineExperimentConfig": {
  "ExperimentName": "<pipeline_name>",
  "TrialName": "<execution_id>"
},
  "CreationTime": "2022-08-10T11:03:47.406000+00:00",
  "LastModifiedTime": "2022-08-10T11:15:01.102000+00:00",
  "CreatedBy": {},
  "LastModifiedBy": {}
}

اسٹارٹ پائپ لائن ایگزیکیوشن

یہ API کال شروع ہوتا ہے ایک پائپ لائن چل رہا ہے. درج ذیل کمانڈ چلائیں، تبدیل کریں۔ $SHARED_PIPELINE_ARN آپ کی پائپ لائن ARN اور کے ساتھ $CLIENT_REQUEST_TOKEN ایک منفرد، کیس حساس شناخت کنندہ کے ساتھ جو آپ اس رن کے لیے تیار کرتے ہیں۔ شناخت کنندہ میں 32-128 حروف کے درمیان ہونا چاہیے۔ مثال کے طور پر، آپ استعمال کر کے ایک سٹرنگ تیار کر سکتے ہیں۔ AWS CLI kms جنریٹ-رینڈم کمانڈ.

aws sagemaker start-pipeline-execution 
  --pipeline-name $SHARED_PIPELINE_ARN 
  --client-request-token $CLIENT_REQUEST_TOKEN

جواب کے طور پر، یہ API کال واپس کرتا ہے۔ PipelineExecutionArn شروع کی دوڑ کا:

{
  "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>"
}

پائپ لائن پر عمل درآمد کو روکیں۔

یہ API کال رک جاتا ہے ایک پائپ لائن چل رہا ہے. درج ذیل کمانڈ چلائیں، تبدیل کریں۔ $PIPELINE_EXECUTION_ARN پائپ لائن کے ساتھ آپ کی چل رہی پائپ لائن کے ARN چلائیں اور $CLIENT_REQUEST_TOKEN ایک منفرد، کیس حساس شناخت کنندہ کے ساتھ جو آپ اس رن کے لیے تیار کرتے ہیں۔ شناخت کنندہ میں 32-128 حروف کے درمیان ہونا چاہیے۔ مثال کے طور پر، آپ استعمال کر کے ایک سٹرنگ تیار کر سکتے ہیں۔ AWS CLI kms جنریٹ-رینڈم کمانڈ.

aws sagemaker stop-pipeline-execution 
  --pipeline-execution-arn $PIPELINE_EXECUTION_ARN 
  --client-request-token $CLIENT_REQUEST_TOKEN

جواب کے طور پر، یہ API کال واپس کرتا ہے۔ PipelineExecutionArn رکی ہوئی پائپ لائن کا:

{
  "PipelineExecutionArn": "arn:aws:sagemaker:<region>:<account_id>:pipeline/<pipeline_name>/execution/<execution_id>"
}

نتیجہ

سیج میکر پائپ لائنوں کی کراس اکاؤنٹ شیئرنگ آپ کو AWS اکاؤنٹس میں پائپ لائن اداروں کو محفوظ طریقے سے شیئر کرنے اور براہ راست API کالز کے ذریعے مشترکہ پائپ لائنز تک رسائی کی اجازت دیتی ہے، بغیر متعدد اکاؤنٹس میں لاگ ان اور آؤٹ کیے۔

اس پوسٹ میں، ہم نے یہ ظاہر کرنے کے لیے فعالیت کا جائزہ لیا کہ آپ کس طرح تمام اکاؤنٹس میں پائپ لائنز کا اشتراک کر سکتے ہیں اور SageMaker API کالز کے ذریعے ان تک رسائی حاصل کر سکتے ہیں۔

اگلے قدم کے طور پر، آپ اس خصوصیت کو اپنے اگلے ML پروجیکٹ کے لیے استعمال کر سکتے ہیں۔

وسائل

سیج میکر پائپ لائنز کے ساتھ شروع کرنے اور اکاؤنٹس میں پائپ لائنوں کا اشتراک کرنے کے لیے، درج ذیل وسائل سے رجوع کریں:

مصنفین کے بارے میں

رام وٹل اے ڈبلیو ایس میں ایم ایل اسپیشلسٹ سولیوشن آرکیٹیکٹ ہے۔ اس کے پاس آرکیٹیکٹنگ اور بلڈنگ ڈسٹری بیوٹڈ، ہائبرڈ اور کلاؤڈ ایپلی کیشنز کا 20 سال سے زیادہ کا تجربہ ہے۔ وہ محفوظ اور قابل توسیع AI/ML اور بڑے ڈیٹا سلوشنز بنانے کے بارے میں پرجوش ہے تاکہ انٹرپرائز صارفین کو ان کے کلاؤڈ اپنانے اور ان کے کاروباری نتائج کو بہتر بنانے کے لیے اصلاح کے سفر میں مدد فراہم کی جا سکے۔ اپنے فارغ وقت میں وہ ٹینس، فوٹو گرافی اور ایکشن فلموں سے لطف اندوز ہوتے ہیں۔

مائرہ لاڈیرہ ٹنکے اے ڈبلیو ایس میں ایم ایل اسپیشلسٹ سولیوشن آرکیٹیکٹ ہے۔ ڈیٹا سائنس میں پس منظر کے ساتھ، اس کے پاس تمام صنعتوں کے صارفین کے ساتھ آرکیٹیکٹنگ اور ایم ایل ایپلیکیشنز بنانے کا 9 سال کا تجربہ ہے۔ تکنیکی قیادت کے طور پر، وہ صارفین کو ابھرتی ہوئی ٹیکنالوجیز اور اختراعی حلوں کے ذریعے کاروباری قدر کے حصول کو تیز کرنے میں مدد کرتی ہے۔ اپنے فارغ وقت میں، مائرہ اپنے خاندان کے ساتھ کسی گرم جگہ سفر کرنے اور وقت گزارنے کا لطف اٹھاتی ہے۔

گیبریل زیلکا AWS میں ایک پروفیشنل سروسز کنسلٹنٹ ہے۔ وہ کلاؤڈ گود لینے کے سفر کو تیز کرنے کے لیے صارفین کے ساتھ مل کر کام کرتا ہے۔ MLOps ڈومین میں مہارت حاصل کرنے کے بعد، وہ مشین لرننگ کے کام کے بوجھ کو تیار کرنے پر توجہ مرکوز کرتا ہے جس سے اینڈ ٹو اینڈ مشین لرننگ لائف سائیکل کو خودکار بنا کر اور مطلوبہ کاروباری نتائج حاصل کرنے میں مدد ملتی ہے۔ اپنے فارغ وقت میں، وہ باویرین الپس میں سفر اور پیدل سفر سے لطف اندوز ہوتا ہے۔