> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> Intégrez W&B à Amazon SageMaker pour le suivi des expériences, la journalisation des métriques et la gestion des modèles sur l’infrastructure AWS.

# SageMaker

W\&B s’intègre à [Amazon SageMaker](https://aws.amazon.com/sagemaker/) et lit automatiquement les hyperparamètres, regroupe les Runs distribués et reprend les runs à partir des checkpoints.

<div id="authentication">
  ## Authentification
</div>

W\&B recherche un fichier nommé `secrets.env` dans le même répertoire que le script d'entraînement et charge son contenu dans l'environnement lorsque `wandb.init()` est appelé. Vous pouvez générer un fichier `secrets.env` en appelant `wandb.sagemaker_auth(path="source_dir")` dans le script que vous utilisez pour lancer vos expériences. Veillez à ajouter ce fichier à votre `.gitignore` !

<div id="existing-estimators">
  ## Estimateurs existants
</div>

Si vous utilisez l’un des estimateurs préconfigurés de SageMaker, vous devez ajouter un fichier `requirements.txt` à votre répertoire source, incluant wandb

```text theme={null}
wandb
```

Si vous utilisez un estimateur qui s’exécute sous Python 2, vous devrez installer `psutil` directement depuis ce [wheel](https://pythonwheels.com) avant d’installer wandb :

```text theme={null}
https://wheels.galaxyproject.org/packages/psutil-5.4.8-cp27-cp27mu-manylinux1_x86_64.whl
wandb
```

Consultez un exemple complet sur [GitHub](https://github.com/wandb/examples/tree/master/examples/pytorch/pytorch-cifar10-sagemaker) et lisez-en plus sur notre [blog](https://wandb.ai/site/articles/running-sweeps-with-sagemaker).

Vous pouvez également consulter le tutoriel [Deploy Sentiment Analyzer Using SageMaker and W\&B](https://wandb.ai/authors/sagemaker/reports/Deploy-Sentiment-Analyzer-Using-SageMaker-and-W-B--VmlldzoxODA1ODE) sur le déploiement d'un analyseur de sentiments avec SageMaker et W\&B.

<Warning>
  L'agent de sweep W\&B se comporte comme prévu dans un job SageMaker uniquement si votre intégration SageMaker est désactivée. Désactivez l'intégration SageMaker en modifiant votre appel à `wandb.init()` :

  ```python theme={null}
  wandb.init(..., settings=wandb.Settings(sagemaker_disable=True))
  ```
</Warning>