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.
En esta página se ofrece un resumen detallado de cómo la plataforma de SageMaker formación gestiona las rutas de almacenamiento para los conjuntos de datos de entrenamiento, los artefactos de los modelos, los puntos de control y los resultados entre el almacenamiento en la AWS nube y los trabajos de formación en IA. SageMaker A lo largo de esta guía, aprenderá a identificar las rutas predeterminadas establecidas por la plataforma de SageMaker IA y cómo se pueden optimizar los canales de datos con sus fuentes de datos en Amazon Simple Storage Service (Amazon S3) FSx , for Lustre y Amazon EFS. Para obtener más información acerca de los distintos modos de entrada de canales de datos y opciones de almacenamiento, consulte Configuración de trabajos de entrenamiento para tener acceso a los conjuntos de datos.
Descripción general de cómo la SageMaker IA mapea las rutas de almacenamiento
El siguiente diagrama muestra un ejemplo de cómo la SageMaker IA mapea las rutas de entrada y salida cuando realizas un trabajo de entrenamiento con la clase SageMaker Python SDK Estimator
SageMaker La IA mapea las rutas de almacenamiento entre un almacenamiento (como Amazon S3 FSx, Amazon y Amazon EFS) y el contenedor de SageMaker entrenamiento en función de las rutas y el modo de entrada especificados a través de un objeto estimador de SageMaker IA. Para obtener más información sobre cómo la SageMaker IA lee o escribe en las rutas y su propósito, consulte. SageMaker Las variables de entorno de la IA y las rutas predeterminadas para el entrenamiento: ubicaciones de almacenamiento
Puede utilizarlos OutputDataConfig en la CreateTrainingJobAPI para guardar los resultados del entrenamiento del modelo en un bucket de S3. Usa la ModelArtifactsAPI para encontrar el depósito de S3 que contiene los artefactos de tu modelo. Consulte el bloc de notas abalone_build_train_deploy
Para obtener más información y ejemplos de cómo la SageMaker IA gestiona la fuente de datos, los modos de entrada y las rutas locales en las instancias de SageMaker entrenamiento, consulte Acceder a los datos de entrenamiento.
Temas
