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 AI. SageMaker prefix
è il percorso all'interno del bucket in cui l' SageMaker IA archivia i dati per l'attuale processo di formazione.
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 ruolo IAM che utilizzi per eseguire il processo di ottimizzazione degli iperparametri ha un criterio che concede l'autorizzazione S3FullAccess
.
Fase succcessiva
Scaricare, preparare e caricare i dati di addestramento