Amazon SageMaker AI 管理的訓練儲存路徑映射

此頁面提供高階摘要，說明 SageMaker 訓練平台如何管理 SageMaker AI 中 AWS 雲端儲存和訓練任務之間訓練資料集、模型成品、檢查點和輸出的儲存路徑。在本指南中，您將學習識別 SageMaker AI 平台設定的預設路徑，以及如何透過 Amazon Simple Storage Service (Amazon S3)、FSx for Lustre 和 Amazon EFS 中的資料來源簡化資料通道。如需各種資料通道輸入模式和儲存選項的詳細資訊，請參閱設定訓練任務以存取資料集。

SageMaker AI 如何映射儲存路徑的概觀

下圖顯示當您使用 SageMaker Python SDK 估算器類別執行訓練任務時SageMaker AI 如何映射輸入和輸出路徑的範例。

SageMaker AI 會根據透過 SageMaker AI 估算器物件指定的路徑和輸入模式，在儲存體 （例如 Amazon S3、Amazon FSx 和 Amazon EFS) 和 SageMaker 訓練容器之間映射儲存路徑。如需有關 SageMaker AI 如何從路徑讀取或寫入路徑以及路徑用途的詳細資訊，請參閱 SageMaker AI 環境變數和訓練儲存位置的預設路徑。

您可以在 CreateTrainingJob API OutputDataConfig中使用 ，將模型訓練的結果儲存至 S3 儲存貯體。使用 ModelArtifacts API 尋找包含模型成品的 S3 儲存貯體。如需輸出路徑的範例以及了解如何在 API 呼叫中使用這些輸出路徑，請參閱 abalone_build_train_deploy 筆記本。

如需 SageMaker AI 如何管理 SageMaker 訓練執行個體中資料來源、輸入模式和本機路徑的詳細資訊和範例，請參閱存取訓練資料。