17、使用 AWS SageMaker 构建 LightGBM MLOps 管道

使用 AWS SageMaker 构建 LightGBM MLOps 管道

1. 环境准备

在开始构建 LightGBM ML 管道之前，需要完成以下准备工作：
1. 创建 AWS 账户。
2. 设置 SageMaker 域。若尚未完成，可参考以下文档：
- 前提条件：https://docs.aws.amazon.com/sagemaker/latest/dg/gs-set-up.html
- 加入 SageMaker 域：https://docs.aws.amazon.com/sagemaker/latest/dg/gs-studio-onboard.html

接着，初始化 SageMaker 会话，并通过 boto3 创建 S3、SageMaker 和 SageMaker Runtime 客户端：

import sagemaker
import boto3

sess = sagemaker.Session()
region = sess.boto_region_name
s3_client = boto3.client("s3", region_name=region)
sm_client = boto3.client("sagemaker", region_name=region)
sm_runtime_client = boto3.client("sagemaker-runtime")

我们将使用 Amazon S3 存储训练数据、源代码以及管道生成的所有数据和工件，如序列化模型。数据和工件将分别存储在读取存储桶和写入存储桶中，这