开源项目 `ML_SageMaker_Studies` 使用教程

开源项目 ML_SageMaker_Studies 使用教程

ML_SageMaker_Studies Case studies, examples, and exercises for learning to deploy ML models using AWS SageMaker. 项目地址: https://gitcode.com/gh_mirrors/ml/ML_SageMaker_Studies

1. 项目的目录结构及介绍

ML_SageMaker_Studies/
├── README.md
├── requirements.txt
├── setup.py
├── data/
│   ├── raw/
│   └── processed/
├── notebooks/
│   ├── 01_data_exploration.ipynb
│   ├── 02_model_training.ipynb
│   └── 03_model_deployment.ipynb
├── src/
│   ├── __init__.py
│   ├── data_processing.py
│   ├── model_training.py
│   └── model_deployment.py
├── config/
│   ├── config.yaml
│   └── logging_config.yaml
└── tests/
    ├── test_data_processing.py
    ├── test_model_training.py
    └── test_model_deployment.py

目录结构介绍

• README.md: 项目的基本介绍和使用说明。
• requirements.txt: 项目依赖的Python包列表。
• setup.py: 用于安装项目的Python脚本。
• data/: 存放数据文件的目录，包括原始数据和处理后的数据。
• notebooks/: Jupyter Notebook文件，用于数据探索、模型训练和模型部署。
• src/: 源代码目录，包含数据处理、模型训练和模型部署的Python脚本。
• config/: 配置文件目录，包含项目的配置文件和日志配置文件。
• tests/: 测试代码目录，包含各个模块的单元测试。

2. 项目的启动文件介绍

项目的启动文件主要位于 notebooks/ 目录下，具体包括：

• 01_data_exploration.ipynb: 数据探索和预处理的Notebook。
• 02_model_training.ipynb: 模型训练的Notebook。
• 03_model_deployment.ipynb: 模型部署的Notebook。

这些Notebook文件是项目的核心启动文件，用户可以通过运行这些Notebook来完成数据处理、模型训练和模型部署的整个流程。

3. 项目的配置文件介绍

项目的配置文件主要位于 config/ 目录下，具体包括：

• config.yaml: 项目的核心配置文件，包含数据路径、模型参数、训练参数等配置项。
• logging_config.yaml: 日志配置文件，定义了日志的输出格式、级别和存储路径。

用户可以通过修改这些配置文件来调整项目的运行参数，例如数据路径、模型超参数等。

ML_SageMaker_Studies Case studies, examples, and exercises for learning to deploy ML models using AWS SageMaker. 项目地址: https://gitcode.com/gh_mirrors/ml/ML_SageMaker_Studies