Utilice un bucket de Amazon S3 para entrada y salida - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Utilice un bucket de Amazon S3 para entrada y salida

Configure un bucket de S3 para cargar conjuntos de datos de entrenamiento y guardar los datos de salida de entrenamiento para su trabajo de ajuste de hiperparámetros.

Para usar un bucket de S3 predeterminado

Utilice el siguiente código para especificar el bucket de S3 predeterminado asignado a su sesión de SageMaker IA. prefixes la ruta dentro del depósito en la que la SageMaker IA almacena los datos para el trabajo de entrenamiento actual.

sess = sagemaker.Session() bucket = sess.default_bucket() # Set a default S3 bucket prefix = 'DEMO-automatic-model-tuning-xgboost-dm'

Para usar un bucket de S3 específico (opcional)

Si desea usar un bucket de S3 específico, utilice el siguiente código y sustituya las cadenas por el nombre exacto del bucket de S3. El nombre del bucket debe contener sagemaker y ser único a escala global. El bucket debe estar en la misma región de AWS que la instancia de cuaderno que utilice en este ejemplo.

bucket = "sagemaker-your-preferred-s3-bucket" sess = sagemaker.Session( default_bucket = bucket )
nota

No es necesario indicar el nombre del depósito sagemaker si la IAM función que utilizas para ejecutar el trabajo de ajuste de hiperparámetros tiene una política que otorga el S3FullAccess permiso.

Paso siguiente

Descarga, preparación y carga de datos de entrenamiento