怎么样 SageMaker 澄清处理作业工作

一个 SageMaker 处理作业使用 SageMaker 在机器学习工作流程生命周期的几个阶段澄清容器。您可以使用 SageMaker 使用数据集和模型澄清容器以计算以下类型的分析：

在配置处理作业时，您可以控制计算哪些分析。对于预训练偏差指标，您需要提供数据集。通过提供数据集和模型名称，您可以在模型经过训练后计算训练后偏差指标和可解释性。您必须以 JSON 配置文件的形式配置必要的参数，并将其作为处理作业的输入提供。

处理作业完成后，分析结果将保存在ProcessingOutput处理作业的参数。然后，您可以从那里下载并查看输出结果，也可以在 Studio 中查看结果（如果你在那里运行了笔记本）。

为了计算训练后偏差指标和 SHAP 值，计算需要获得对所提供的模型名称的推断。为了实现这一目标，处理作业会创建一个具有模型名称的临时端点，称为影子端节点. 计算完成后，处理作业将删除影子端点。

在较高层次上，处理作业完成以下步骤：