Skip to main content
W&B는 Amazon SageMaker와 통합되어 하이퍼파라미터를 자동으로 가져오고, 분산된 run을 그룹화하며, 체크포인트에서 run을 재개합니다.

​
인증

W&B는 트레이닝 스크립트를 기준으로 한 상대 경로에서 secrets.env 파일을 찾고, wandb.init()가 호출되면 그 내용을 환경 변수로 로드합니다. 실험을 시작하는 데 사용하는 스크립트에서 wandb.sagemaker_auth(path="source_dir")를 호출해 secrets.env 파일을 생성할 수 있습니다. 이 파일은 .gitignore에 꼭 추가하세요!

​
기존 estimator

SageMaker의 사전 구성 estimator 중 하나를 사용 중이라면, wandb가 포함된 requirements.txt를 source 디렉터리에 추가해야 합니다. 
wandb
Python 2에서 실행되는 estimator를 사용 중이라면, wandb를 설치하기 전에 이 wheel에서 psutil을 직접 설치해야 합니다: 
https://wheels.galaxyproject.org/packages/psutil-5.4.8-cp27-cp27mu-manylinux1_x86_64.whl
wandb
GitHub에서 전체 예제를 확인하고, 블로그에서 자세한 내용을 읽어보세요. SageMaker와 W&B를 사용해 감성 분석기를 배포하는 방법은 Deploy Sentiment Analyzer Using SageMaker and W&B tutorial에서도 확인할 수 있습니다.
SageMaker 인테그레이션이 꺼져 있을 때만 W&B sweep agent가 SageMaker 작업에서 예상대로 동작합니다. wandb.init() 호출을 수정해 SageMaker 인테그레이션을 끄세요.
wandb.init(..., settings=wandb.Settings(sagemaker_disable=True))