Output del modello non compresso

SageMaker L'intelligenza artificiale memorizza il tuo modello /opt/ml/model e i tuoi dati in/opt/ml/output/data. Dopo che il modello e i dati sono stati scritti in tali posizioni, per impostazione predefinita vengono caricati nel tuo bucket Amazon S3 come file compressi.

Puoi risparmiare tempo sulla compressione di file di dati di grandi dimensioni caricando il modello e gli output di dati nel tuo bucket S3 come file non compressi. Per fare ciò, crea un lavoro di formazione in modalità di caricamento non compresso utilizzando AWS Command Line Interface (AWS CLI) o SageMaker Python SDK.

Il seguente esempio di codice mostra come creare un processo di addestramento in modalità di caricamento non compressa quando si utilizza AWS CLI. Per abilitare la modalità di caricamento non compresso, imposta il campo CompressionType nell'API OutputDataConfig su NONE.

{
   "TrainingJobName": "uncompressed_model_upload",
   ...
   "OutputDataConfig": { 
      "S3OutputPath": "s3://amzn-s3-demo-bucket/uncompressed_upload/output",
      "CompressionType": "NONE"
   },
   ...
}

Il seguente esempio di codice mostra come creare un job di formazione in modalità di caricamento non compresso utilizzando Python SDK. SageMaker

from sagemaker.train import ModelTrainer
from sagemaker.train.configs import Compute
from sagemaker.core.helper.session_helper import Session, get_execution_role
from sagemaker.core.shapes import OutputDataConfig

model_trainer = ModelTrainer(
    training_image="your-own-image-uri",
    role=get_execution_role(),
    compute=Compute(
        instance_count=1,
        instance_type='ml.c4.xlarge',
    ),
    output_data_config=OutputDataConfig(compression_type="NONE")
)