为培训定制sagemaker容器，每天向AWS RDS写入预测

Question

我有3个主要的过程来执行使用亚马逊SageMaker。你知道吗

1. 使用自己的培训python脚本（不使用sagemaker容器、内置算法）[训练.py]你知道吗

->；为此，我参考了以下链接：
Bring own algorithm to AWS sagemaker 似乎我们可以将自己的训练脚本带到sagemaker管理的训练设置中，模型工件可以上传到s3等。 注：我使用轻型GBM模型进行培训。你知道吗

1. 将预测写入AWS RDS数据库：

->；不需要部署模型和创建端点，因为培训每天都会进行，培训完成后会立即创建预测。（需要在中生成预测）训练.py（自身）

->；挑战是如何在AWS RDS DB中从训练.py脚本。（假设脚本在私有专有网络中运行）

1. 将此过程安排为每日作业：

--->；我已经完成了AWS step功能，似乎是触发日常培训并将预测写入RDS的方法。你知道吗

-->；挑战是如何对基于时间的触发器而不是基于事件使用步长函数。

有什么建议吗？有什么最佳实践可以遵循吗？先谢谢你。你知道吗

Answer 1

按计划触发Step函数的方法是使用CloudWatch事件（类似cron）。查看本教程：https://docs.aws.amazon.com/step-functions/latest/dg/tutorial-cloudwatch-events-target.html

不要从Python代码中写入RDS！最好将输出写入S3，然后将S3中的文件“复制”到RDS中。解耦这些批将使过程更可靠和可扩展。当文件写入S3或数据库不太忙时，您可以触发批量复制到RDS。你知道吗