Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Tabel berikut merangkum jalur input dan output untuk kumpulan data pelatihan, pos pemeriksaan, artefak model, dan output, yang dikelola oleh platform pelatihan. SageMaker
| Jalur lokal dalam contoh SageMaker pelatihan | SageMaker Variabel lingkungan AI | Tujuan | Baca dari S3 saat memulai | Baca dari S3 selama Spot-restart | Menulis ke S3 selama pelatihan | Menulis ke S3 saat pekerjaan dihentikan |
|---|---|---|---|---|---|---|
|
|
SM_SALURAN_ |
Membaca data pelatihan dari saluran input yang ditentukan melalui kelas SageMaker AI Python SDK Estimator |
Ya | Ya | Tidak | Tidak |
|
|
SM_OUTPUT_DIR |
Menyimpan output seperti kehilangan, akurasi, lapisan menengah, bobot, gradien, bias, dan TensorBoard output yang kompatibel. Anda juga dapat menyimpan output arbitrer apa pun yang Anda inginkan menggunakan jalur ini. Perhatikan bahwa ini adalah jalur yang berbeda dari jalur untuk menyimpan artefak |
Tidak | Tidak | Tidak | Ya |
|
|
SM_MODEL_DIR |
Menyimpan artefak model akhir. Ini juga merupakan jalur dari mana artefak model digunakan untuk inferensi Real-time di SageMaker AI Hosting. |
Tidak | Tidak | Tidak | Ya |
|
|
- |
Menyimpan pos pemeriksaan model (status model) untuk melanjutkan pelatihan dari titik tertentu, dan pulih dari gangguan Pelatihan Spot yang tidak terduga atau Terkelola. |
Ya | Ya | Ya | Tidak |
|
|
SAGEMAKER_SUBMIT_DIRECTORY |
Menyalin skrip pelatihan, pustaka tambahan, dan dependensi. |
Ya | Ya | Tidak | Tidak |
|
|
- |
Membaca atau menulis |
Tidak | Tidak | Tidak | Tidak |
1 channel_name adalah tempat untuk menentukan nama saluran yang ditentukan pengguna untuk input data pelatihan. Setiap pekerjaan pelatihan dapat berisi beberapa saluran input data. Anda dapat menentukan hingga 20 saluran input pelatihan per pekerjaan pelatihan. Perhatikan bahwa waktu pengunduhan data dari saluran data dihitung ke waktu yang dapat ditagih. Untuk informasi selengkapnya tentang jalur input data, lihat Cara Amazon SageMaker AI Menyediakan Informasi Pelatihan. Selain itu, ada tiga jenis mode input data yang didukung SageMaker AI: file, FastFile, dan mode pipa. Untuk mempelajari lebih lanjut tentang mode input data untuk pelatihan di SageMaker AI, lihat Mengakses Data Pelatihan.
2 SageMaker AI mengompres dan menulis artefak pelatihan ke file TAR ()tar.gz. Waktu kompresi dan pengunggahan dihitung ke waktu yang dapat ditagih. Untuk informasi selengkapnya, lihat Cara Amazon SageMaker AI Memproses Output Pelatihan.
3 SageMaker AI mengompres dan menulis artefak model akhir ke file TAR ()tar.gz. Waktu kompresi dan pengunggahan dihitung ke waktu yang dapat ditagih. Untuk informasi selengkapnya, lihat Cara Amazon SageMaker AI Memproses Output Pelatihan.
4 Sinkronkan dengan Amazon S3 selama pelatihan. Tulis apa adanya tanpa mengompresi ke file TAR. Untuk informasi selengkapnya, lihat Menggunakan Pos Pemeriksaan di Amazon SageMaker AI.
