Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Siapkan bucket S3 untuk mengunggah kumpulan data pelatihan dan menyimpan data keluaran pelatihan untuk pekerjaan penyetelan hyperparameter Anda.
Untuk menggunakan bucket S3 default
Gunakan kode berikut untuk menentukan bucket S3 default yang dialokasikan untuk sesi SageMaker AI Anda. prefixadalah jalur dalam ember tempat SageMaker AI menyimpan data untuk pekerjaan pelatihan saat ini.
sess = sagemaker.Session()
bucket = sess.default_bucket() # Set a default S3 bucket
prefix = 'DEMO-automatic-model-tuning-xgboost-dm'Untuk menggunakan bucket S3 tertentu (Opsional)
Jika Anda ingin menggunakan bucket S3 tertentu, gunakan kode berikut dan ganti string dengan nama yang tepat dari bucket S3. Nama ember harus berisisagemaker, dan unik secara global. Bucket harus berada di AWS Region yang sama dengan instance notebook yang Anda gunakan untuk contoh ini.
bucket = "sagemaker-your-preferred-s3-bucket"
sess = sagemaker.Session(
default_bucket = bucket
)catatan
Nama bucket tidak perlu berisi sagemaker jika peran IAM yang Anda gunakan untuk menjalankan tugas penyetelan hyperparameter memiliki kebijakan yang memberikan izin. S3FullAccess
Langkah Selanjutnya
Unduh, Siapkan, dan Unggah Data Pelatihan
