AWS sagemaker中指定的代码入口是如何自带代码的？
How is the entry point to the code specified in AWS sagemaker bring your own code?
我正在 AWS Sagemaker 中试用示例笔记本，目前在 mxnet mnist 示例中，该示例演示了如何使用您自己的代码。实例化估算器实例时传入的入口点参数仅提及源文件（mnist.py），而不提及方法名称或源文件内的任何其他点。
那么 aws sagemaker 是如何确定将训练数据发送到哪个方法的呢？
这是我找到的答案。对于 bring-your-own-algorithm 用例，SageMaker 将查找 运行 名为 "train" 的可执行程序进行训练，并查找 "serve" 进行托管。 example 提供了更多详细信息。或者，您可以在 Dockerfile 中指定任何 ENTRYPOINT，其中定义了 train() 和 serve() 函数。
您的 python 脚本应该实现一些方法，例如 train、model_fn、transform_fn、input_fn 等。SagaMaker 会在需要时调用适当的方法。
https://docs.aws.amazon.com/sagemaker/latest/dg/mxnet-training-inference-code-template.html
我正在 AWS Sagemaker 中试用示例笔记本，目前在 mxnet mnist 示例中，该示例演示了如何使用您自己的代码。实例化估算器实例时传入的入口点参数仅提及源文件（mnist.py），而不提及方法名称或源文件内的任何其他点。
那么 aws sagemaker 是如何确定将训练数据发送到哪个方法的呢？
这是我找到的答案。对于 bring-your-own-algorithm 用例，SageMaker 将查找 运行 名为 "train" 的可执行程序进行训练，并查找 "serve" 进行托管。 example 提供了更多详细信息。或者，您可以在 Dockerfile 中指定任何 ENTRYPOINT，其中定义了 train() 和 serve() 函数。
您的 python 脚本应该实现一些方法，例如 train、model_fn、transform_fn、input_fn 等。SagaMaker 会在需要时调用适当的方法。
https://docs.aws.amazon.com/sagemaker/latest/dg/mxnet-training-inference-code-template.html