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.
Cartographie des parcours de stockage de formation gérés par Amazon SageMaker
Cette page fournit un résumé détaillé de la manière dont la plateforme de SageMaker formation gère les chemins de stockage pour les ensembles de données de formation, les artefacts du modèle, les points de contrôle et les sorties entre le stockage AWS dans le cloud et les tâches de formation dans. SageMaker Tout au long de ce guide, vous apprendrez à identifier les chemins par défaut définis par la SageMaker plateforme et à savoir comment les canaux de données peuvent être rationalisés 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.
Présentation de la façon dont les chemins de stockage sont SageMaker cartographiés
Le schéma suivant montre un exemple de SageMaker mappage des chemins d'entrée et de sortie lorsque vous exécutez une tâche de formation à l'aide de la classe SageMaker Python SDK Estimator
SageMaker mappe les chemins de stockage entre un stockage (tel qu'Amazon S3FSx, Amazon et AmazonEFS) et le conteneur d' SageMaker entraînement en fonction des chemins et du mode de saisie spécifiés via un objet SageMaker estimateur. Pour plus d'informations sur le mode de SageMaker lecture ou d'écriture dans les chemins et sur l'objectif de ces chemins, consultezSageMaker les variables d'environnement et les chemins par défaut pour les emplacements de stockage des formations.
Vous pouvez utiliser OutputDataConfig in CreateTrainingJobAPIpour enregistrer les résultats de l'entraînement du modèle dans un compartiment S3. Utilisez le ModelArtifactsAPIpour rechercher 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 de SageMaker gestion de la source de données, des modes de saisie et des chemins locaux dans les instances de SageMaker formation, consultez Access Training Data.
Rubriques
