기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
다음 표에는 SageMaker 훈련 플랫폼에서 관리하는 훈련 데이터세트, 체크포인트, 모델 아티팩트 및 출력의 입력 및 출력 경로가 요약되어 있습니다.
| SageMaker 훈련 인스턴스의 로컬 경로 | SageMaker AI 환경 변수 | 용도 | 시작 시 S3에서 읽기 | 스팟 재시작 시 S3에서 읽기 | 훈련 중 S3에 쓰기 | 작업 종료 시 S3에 쓰기 |
|---|---|---|---|---|---|---|
|
|
SM_CHANNEL_ |
SageMaker AI Python SDK 예측기 |
예 | 예 | 아니요 | 아니요 |
|
|
SM_OUTPUT_DIR |
손실, 정확도, 중급 계층, 가중치, 그라데이션, 바이어스, TensorBoard 호환 출력 등의 출력을 저장하는 경로입니다. 이 경로를 사용하여 원하는 임의의 출력을 저장할 수도 있습니다. 이 경로는 최종 모델 아티팩트 |
아니요 | 아니요 | 아니요 | 예 |
|
|
SM_MODEL_DIR |
최종 모델 아티팩트를 저장하는 경로입니다. 이는 SageMaker AI 호스팅에서 실시간 추론을 위해 모델 아티팩트가 배포되는 경로이기도 합니다. |
아니요 | 아니요 | 아니요 | 예 |
|
|
- |
모델 체크포인트(모델 상태)를 저장하여 특정 시점부터 훈련을 재개하고, 예상치 못한 중단 또는 관리형 스팟 훈련 중단으로부터 복구할 수 있는 경로입니다. |
예 | 예 | 예 | 아니요 |
|
|
SAGEMAKER_SUBMIT_DIRECTORY |
훈련 스크립트, 추가 라이브러리 및 종속성을 복사하는 경로입니다. |
예 | 예 | 아니요 | 아니요 |
|
|
- |
스크래치 공간인 |
아니요 | 아니요 | 아니요 | 아니요 |
1 channel_name은(는) 훈련 데이터 입력에 사용할 사용자 정의 채널 이름을 지정하는 곳입니다. 각 훈련 작업에는 여러 개의 데이터 입력 채널이 포함될 수 있습니다. 훈련 입력 채널은 훈련 작업당 최대 20개까지 지정할 수 있습니다. 데이터 채널에서 소요되는 데이터 다운로드 시간은 청구 가능 시간까지 계산됩니다. 데이터 입력 경로에 대한 자세한 내용은 Amazon SageMaker AI가 훈련 정보를 제공하는 방법을 참조하세요. 또한 SageMaker AI가 지원하는 데이터 입력 모드에는 파일, FastFile 및 파이프 모드의 세 가지 유형이 있습니다. SageMaker AI에서 훈련을 위한 데이터 입력 모드에 대한 자세한 내용은 훈련 데이터 액세스를 참조하세요.
2 SageMaker AI는 훈련 아티팩트를 압축하여 TAR 파일()에 씁니다tar.gz. 압축 및 업로드 시간은 청구 가능 시간으로 계산됩니다. 자세한 내용은 Amazon SageMaker AI가 훈련 출력을 처리하는 방법을 참조하세요.
3 SageMaker AI는 최종 모델 아티팩트를 압축하여 TAR 파일()에 기록합니다tar.gz. 압축 및 업로드 시간은 청구 가능 시간으로 계산됩니다. 자세한 내용은 Amazon SageMaker AI가 훈련 출력을 처리하는 방법을 참조하세요.
4 훈련 기간 동안 Amazon S3와 동기화하세요. TAR 파일로 압축하지 않고도 있는 그대로 기록하세요. 자세한 내용은 Amazon SageMaker AI에서 체크포인트 사용을 참조하세요.
