Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Utilizza un bucket Amazon S3 per l'input e l'output
Imposta un bucket S3 per caricare i dataset di addestramento e salvare i dati di output dell’addestramento per il tuo processo di ottimizzazione degli iperparametri.
Per utilizzare un bucket S3 predefinito
Usa il codice seguente per specificare il bucket S3 predefinito allocato per la tua sessione. SageMaker prefixè il percorso all'interno del bucket in cui vengono SageMaker archiviati i dati per il processo di formazione corrente.
sess = sagemaker.Session() bucket = sess.default_bucket() # Set a default S3 bucket prefix = 'DEMO-automatic-model-tuning-xgboost-dm'
Per utilizzare un bucket S3 specifico (facoltativo)
Se desideri utilizzare un bucket S3 specifico, usa il codice seguente e sostituisci le stringhe con il nome esatto del bucket S3. Il nome del bucket deve contenere sagemaker ed essere univoco a livello globale. Il bucket deve trovarsi nella stessa Regione AWS dell'istanza del notebook utilizzata per questo esempio.
bucket = "sagemaker-your-preferred-s3-bucket" sess = sagemaker.Session( default_bucket = bucket )
Nota
Non è necessario che il nome del bucket contenga sagemaker se il IAM ruolo utilizzato per eseguire il processo di ottimizzazione degli iperparametri dispone di una politica che fornisce l'autorizzazione. S3FullAccess
Fase succcessiva
Scaricare, preparare e caricare i dati di addestramento
