Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Abbildung der von Amazon SageMaker AI verwalteten Trainingsspeicherpfade
Diese Seite bietet eine allgemeine Zusammenfassung darüber, wie die SageMaker Trainingsplattform Speicherpfade für Trainingsdatensätze, Modellartefakte, Checkpoints und Ausgaben zwischen AWS Cloud-Speicher und Trainingsjobs im Bereich KI verwaltet. SageMaker In diesem Handbuch erfahren Sie, wie Sie die von der SageMaker KI-Plattform festgelegten Standardpfade identifizieren und wie die Datenkanäle mit Ihren Datenquellen in Amazon Simple Storage Service (Amazon S3), FSx for Lustre und Amazon EFS optimiert werden können. Weitere Informationen zu verschiedenen Datenkanal-Eingabemodi und Speicherungsoptionen finden Sie unter Einrichtung von Trainingsjobs für den Zugriff auf Datensätze.
Überblick darüber, wie SageMaker KI Speicherpfade zuordnet
Das folgende Diagramm zeigt ein Beispiel dafür, wie SageMaker KI Eingabe- und Ausgabepfade zuordnet, wenn Sie einen Trainingsjob mithilfe der SageMaker ModelTrainer
SageMaker KI ordnet Speicherpfade zwischen einem Speicher (wie Amazon S3, Amazon FSx und Amazon EFS) und dem SageMaker Trainingscontainer auf der Grundlage der Pfade und des Eingabemodus zu, die durch ein SageMaker ModelTrainer AI-Objekt angegeben werden. Weitere Informationen darüber, wie SageMaker KI aus den Pfaden liest oder in sie schreibt, und zum Zweck der Pfade finden Sie unterSageMaker KI-Umgebungsvariablen und die Standardpfade für Trainingsspeicherorte.
Sie können es OutputDataConfig in der CreateTrainingJob API verwenden, um die Ergebnisse des Modelltrainings in einem S3-Bucket zu speichern. Verwenden Sie die ModelArtifacts API, um den S3-Bucket zu finden, der Ihre Modellartefakte enthält. Ein Beispiel für Ausgabepfade und deren Verwendung in API-Aufrufen finden Sie im Notebook abalone_build_train_deploy
Weitere Informationen und Beispiele dafür, wie SageMaker KI die Datenquelle, Eingabemodi und lokale Pfade in SageMaker Trainingsinstanzen verwaltet, finden Sie unter Auf Trainingsdaten zugreifen.
Themen
