Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Cette page fournit un résumé détaillé de la façon dont la plateforme de SageMaker formation gère les chemins de stockage pour les ensembles de données de formation, les artefacts de modèles, les points de contrôle et les résultats entre le stockage dans AWS le cloud et les tâches de formation en SageMaker IA. Tout au long de ce guide, vous apprendrez à identifier les chemins par défaut définis par la plateforme d' SageMaker intelligence artificielle et à rationaliser les canaux de données avec vos sources de données dans Amazon Simple Storage Service (Amazon S3) FSx , pour Lustre et Amazon EFS. Pour plus d'informations sur les différents modes d'entrée de canal de données et les options de stockage, veuillez consulter Configuration de tâches de formation pour accéder aux ensembles de données.
Vue d'ensemble de la façon dont SageMaker l'IA cartographie les chemins de stockage
Le schéma suivant montre un exemple de la façon dont l' SageMaker IA mappe les chemins d'entrée et de sortie lorsque vous exécutez une tâche de formation à l'aide de la SageMaker classe Python SDK Estimator
SageMaker L'IA cartographie les chemins de stockage entre un stockage (tel qu'Amazon S3 FSx, Amazon et Amazon EFS) et le conteneur de SageMaker formation en fonction des chemins et du mode de saisie spécifiés via un objet estimateur SageMaker AI. Pour plus d'informations sur la façon dont l' SageMaker IA lit ou écrit dans les chemins et sur l'objectif de ces chemins, consultezSageMaker Variables d'environnement d'IA et chemins par défaut pour les emplacements de stockage des formations.
Vous pouvez l'utiliser OutputDataConfig dans l'CreateTrainingJobAPI pour enregistrer les résultats de l'entraînement du modèle dans un compartiment S3. Utilisez l'ModelArtifactsAPI pour trouver le compartiment S3 qui contient les artefacts de votre modèle. Consultez le bloc-notes abalone_build_train_deploy
Pour plus d'informations et des exemples sur la façon dont l' SageMaker IA gère la source de données, les modes de saisie et les chemins locaux dans les instances de SageMaker formation, consultez Access Training Data.
Rubriques
