如何运行在SageMaker控制台创建的processing job与training job？

结论 #

不需要借助SageMaker Notebook即可运行已配置完成的Processing Job和Training Job，以下是三种可行操作方案：

方法1：直接通过SageMaker控制台运行（最便捷） #

SageMaker控制台没有直接的「重新运行」按钮，你可以通过复制已有任务配置的方式快速提交运行：

• 运行Processing Job：进入控制台左侧菜单栏的「处理」→「处理任务」，找到你已创建的目标任务，点击右上角「操作」下拉框选择「复制」，系统会自动复用你之前填好的所有配置参数，核对无误后点击页面底部「创建处理任务」即可提交运行。
• 运行Training Job：进入控制台左侧菜单栏的「训练」→「训练任务」，找到目标训练任务，同样点击「操作」→「复制」，确认参数（比如输入数据集路径、实例类型、IAM角色等）无修改需求后，点击「创建训练任务」即可直接启动运行。

方法2：通过AWS CLI命令行运行 #

适合需要批量触发任务、或者偏好命令行操作的场景，本地配置好AWS凭证和对应SageMaker权限即可使用，无需启动Notebook实例：

• 导出已有Processing Job的配置：
  aws sagemaker describe-processing-job --processing-job-name <你的旧Processing Job名称> > processing-config.json
  修改配置文件中的名称、参数等内容后，提交运行：
  aws sagemaker create-processing-job --cli-input-json file://processing-config.json
• 导出已有Training Job的配置：
  aws sagemaker describe-training-job --training-job-name <你的旧Training Job名称> > training-config.json
  修改配置后提交运行：
  aws sagemaker create-training-job --cli-input-json file://training-config.json

方法3：通过SageMaker Notebook运行（可选） #

如果你本身有运行中的Notebook实例，也可以通过SageMaker Python SDK快速复用已有任务配置启动运行：

import sagemaker
from sagemaker.processing import Processor
from sagemaker.estimator import Estimator

role = sagemaker.get_execution_role()

# 复用已有Processing Job配置并运行
processor = Processor.from_processing_job_arn("<你的Processing Job ARN>")
processor.run()

# 复用已有Training Job配置并运行
estimator = Estimator.from_training_job_arn("<你的Training Job ARN>")
estimator.fit()

内容的提问来源于stack exchange，提问作者Ankit Sati