SageMaker 環境変数とトレーニングストレージの場所のデフォルトパス - Amazon SageMaker

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

SageMaker 環境変数とトレーニングストレージの場所のデフォルトパス

次の表は、トレーニング SageMaker プラットフォームによって管理されるトレーニングデータセット、チェックポイント、モデルアーティファクト、および出力の入出力パスをまとめたものです。

SageMaker トレーニングインスタンスのローカルパス SageMaker 環境変数 目的 起動中に S3 から読み取る スポット再起動中に S3 から読み取る トレーニング中に S3 に書き込む ジョブ終了時に S3 に書き込む

/opt/ml/input/data/channel_name1

SM_CHANNEL_CHANNEL_NAME

SageMaker Python SDK Estimator クラスまたは CreateTrainingJobAPIオペレーションで指定された入力チャネルからトレーニングデータを読み取る。 SageMaker Python を使用してトレーニングスクリプトで指定する方法の詳細についてはSDK、「トレーニングスクリプトの準備」を参照してください。

 あり はい いいえ なし

/opt/ml/output/data2

 SM_OUTPUT_DIR

損失、精度、中間レイヤー、重み、勾配、バイアス、 TensorBoard互換出力などの出力を保存します。このパスを使用して、任意の変換出力を保存することもできます。これは最終的なモデルアーティファクト /opt/ml/model/ を保存するパスとは異なることにご注意ください。

 不可 いいえ いいえ 可能

/opt/ml/model3

 SM_MODEL_DIR

最終的なモデルアーティファクトを保存します。これは、モデルアーティファクトが SageMaker ホスティングのリアルタイム推論にデプロイされるパスでもあります。

 不可 いいえ いいえ 可能

/opt/ml/checkpoints4

 -

特定のポイントからトレーニングを再開し、予期しない中断またはマネージドスポットトレーニングの中断から回復できるよう、モデルチェックポイント (モデルの状態) を保存します。

 あり はい はい 不可

/opt/ml/code

 SAGEMAKER_SUBMIT_DIRECTORY

トレーニングスクリプト、追加のライブラリ、および依存関係のコピー。

 あり はい いいえ なし

/tmp

 -

スクラッチスペースとして /tmp への読み取りまたは書き込み。

 不可 いいえ いいえ なし

1 channel_name はトレーニングデータ入力用のユーザー定義チャネル名を指定する場所です。各トレーニングジョブには、複数のデータ入力チャネルを含めることができます。トレーニングジョブあたり、最大 20 のトレーニング入力チャネルを指定できます。データチャネルからのデータダウンロード時間は、請求対象時間にカウントされることにご注意ください。データ入力パスの詳細については、「Amazon SageMaker がトレーニング情報を提供する方法」を参照してください。また、 が SageMaker サポートするデータ入力モードには、ファイルモード、パイプモード FastFileの 3 種類があります。でのトレーニングのデータ入力モードの詳細については SageMaker、「トレーニングデータへのアクセス」を参照してください。

2 SageMaker トレーニングアーティファクトを圧縮してTARファイル () に書き込みますtar.gz。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「Amazon がトレーニング出力 SageMaker を処理する方法」を参照してください。

3 SageMaker は、最終的なモデルアーティファクトを圧縮してTARファイル () に書き込みますtar.gz。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「Amazon がトレーニング出力 SageMaker を処理する方法」を参照してください。

4 トレーニング中は Amazon S3 と同期してください。TAR ファイルへの圧縮なしで、そのまま書き込みます。詳細については、「Amazon でチェックポイントを使用する SageMaker」を参照してください。