本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 映射由 Amazon A SageMaker I 管理的训练存储路径
本页概述了 SageMaker 训练平台如何管理训练数据集的存储路径、模型工件、检查点以及 AWS 云存储和 SageMaker 人工智能训练作业之间的输出。在本指南中，您将学习如何识别 SageMaker 人工智能平台设置的默认路径，以及如何使用适用于 Lustre 的亚马逊简单存储服务 (Amazon S3) 和 Amazon EF FSx S 中的数据源简化数据通道。有关各种数据通道的输入模式和存储选项的更多信息，请参阅[设置访问数据集的训练作业](model-access-training-data.md)。
## SageMaker AI 如何映射存储路径概述
下图显示了当您使用 SageMaker Python SDK [估算](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator)器类运行训练作业时 SageMaker AI 如何映射输入和输出路径的示例。
SageMaker AI 根据通过 AI 估算器对象指定的路径和输入模式，在存储（例如 Amazon S3 FSx、Amazon 和 Amazon EFS）和 SageMaker 训练容器之间映射存储路径。 SageMaker 有关 SageMaker AI 如何读取或写入路径以及路径用途的更多信息，请参阅[SageMaker AI 环境变量和训练存储位置的默认路径](model-train-storage-env-var-summary.md)。
您可以在 [CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)API `OutputDataConfig` 中使用将模型训练的结果保存到 S3 存储桶中。使用 [ModelArtifacts](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ModelArtifacts.html)API 查找包含您的模型工件的 S3 存储桶。有关输出路径以及如何在 API 调用中使用输出路径的示例，请参阅 [abalone\_build\_train\_deploy](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-pipelines/tabular/abalone_build_train_deploy/sagemaker-pipelines-preprocess-train-evaluate-batch-transform.ipynb) 笔记本。
有关 SageMaker AI 如何管理 SageMaker 训练实例中的数据源、输入模式和本地路径的更多信息和示例，请参阅[访问训练数据](https://docs.aws.amazon.com/sagemaker/latest/dg/model-access-training-data.html)。
**Topics**
+ [SageMaker AI 如何映射存储路径概述](#model-train-storage-overview)
+ [未压缩的模型输出](model-train-storage-uncompressed.md)
+ [为不同类型的实例本地存储管理存储路径](model-train-storage-tips-considerations.md)
+ [SageMaker AI 环境变量和训练存储位置的默认路径](model-train-storage-env-var-summary.md)