So SageMaker verarbeitet Amazon die Trainingsausgabe - Amazon SageMaker

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.

So SageMaker verarbeitet Amazon die Trainingsausgabe

Da Ihr Algorithmus in einem Container ausgeführt wird, generiert er Ausgaben, einschließlich des Status des Trainingsauftrags und -modells und der Ausgabeartefakte. Der Algorithmus sollte diese Informationen in die folgenden Dateien schreiben, die sich im /output-Verzeichnis des Containers befinden. Amazon SageMaker verarbeitet die in diesem Verzeichnis enthaltenen Informationen wie folgt:

  • /opt/ml/model – Ihr Algorithmus sollte alle endgültigen Modellartefakte in dieses Verzeichnis schreiben. SageMaker kopiert diese Daten als einzelnes Objekt im komprimierten tar-Format an den S3-Speicherort, den Sie in der CreateTrainingJob Anforderung angegeben haben. Wenn mehrere Container in einem einzigen Trainingsauftrag in dieses Verzeichnis schreiben, sollten sie sicherstellen, dass sich keine file/directory Namen überschneiden. SageMaker aggregiert das Ergebnis in einer TAR-Datei und lädt am Ende des Trainingsauftrags zu S3 hoch.

  • /opt/ml/output/data – Ihr Algorithmus sollte Artefakte, die Sie speichern möchten, außer dem endgültigen Modell, in dieses Verzeichnis schreiben. SageMaker kopiert diese Daten als einzelnes Objekt im komprimierten tar-Format an den S3-Speicherort, den Sie in der CreateTrainingJob Anforderung angegeben haben. Wenn mehrere Container in einem einzigen Trainingsauftrag in dieses Verzeichnis schreiben, sollten sie sicherstellen, dass keine file/directory Namen überschneiden. SageMaker aggregiert das Ergebnis in einer TAR-Datei und lädt am Ende des Trainingsauftrags zu S3 hoch.

  • /opt/ml/output/failure – Wenn das Training fehlschlägt, sollte Ihr Algorithmus nach Abschluss aller Algorithmusausgaben (z. B. der Protokollierung) die Fehlerbeschreibung in diese Datei schreiben. Als DescribeTrainingJob Antwort SageMaker gibt die ersten 1024 Zeichen aus dieser Datei als zurückFailureReason.

Sie können entweder einen S3-Allzweck-Bucket oder einen S3-Verzeichnis-Bucket angeben, um Ihre Trainingsausgabe zu speichern. Verzeichnis-Buckets verwenden nur die Speicherklasse Amazon S3 Express One Zone, die für Workloads oder leistungskritische Anwendungen entwickelt wurde, die eine konsistente Latenz im einstelligen Millisekundenbereich erfordern. Wählen Sie den Bucket-Typ aus, der Ihren Anwendungs- und Leistungsanforderungen am besten entspricht. Weitere Informationen zu S3-Verzeichnis-Buckets finden Sie unter Verzeichnis-Buckets im Amazon Simple Storage Service-Benutzerhandbuch.