Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Konfigurasikan mode input data menggunakan SageMaker Python SDK
<a name="model-access-training-data-using-pysdk"></a>

SageMaker Python SDK menyediakan [kelas Estimator](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator) generik dan [variasinya untuk kerangka kerja MLuntuk meluncurkan pekerjaan pelatihan](https://sagemaker.readthedocs.io/en/stable/frameworks/index.html). Anda dapat menentukan salah satu mode input data saat mengonfigurasi `Estimator` kelas SageMaker AI atau `Estimator.fit` metode. Template kode berikut menunjukkan dua cara untuk menentukan mode input.

**Untuk menentukan modus masukan menggunakan kelas Estimator**

```
from sagemaker.estimator import Estimator
from sagemaker.inputs import TrainingInput

estimator = Estimator(
    checkpoint_s3_uri='s3://amzn-s3-demo-bucket/checkpoint-destination/',
    output_path='s3://amzn-s3-demo-bucket/output-path/',
    base_job_name='job-name',
    input_mode='File'  # Available options: File | Pipe | FastFile
    ...
)

# Run the training job
estimator.fit(
    inputs=TrainingInput(s3_data="s3://amzn-s3-demo-bucket/my-data/train")
)
```

*Untuk informasi selengkapnya, lihat kelas [SageMaker.Estimator.Estimator](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator) dalam dokumentasi Python SDK. SageMaker *

**Untuk menentukan mode input melalui `estimator.fit()` metode**

```
from sagemaker.estimator import Estimator
from sagemaker.inputs import TrainingInput

estimator = Estimator(
    checkpoint_s3_uri='s3://amzn-s3-demo-bucket/checkpoint-destination/',
    output_path='s3://amzn-s3-demo-bucket/output-path/',
    base_job_name='job-name',
    ...
)

# Run the training job
estimator.fit(
    inputs=TrainingInput(
        s3_data="s3://amzn-s3-demo-bucket/my-data/train",
        input_mode='File'  # Available options: File | Pipe | FastFile
    )
)
```

[Untuk informasi selengkapnya, lihat metode kelas [SageMaker.Estimator.Fit dan sagemaker.inputs](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator.fit). TrainingInput](https://sagemaker.readthedocs.io/en/stable/api/utility/inputs.html#sagemaker.inputs.TrainingInput)kelas dalam dokumentasi *SageMaker Python SDK*.

**Tip**  
*Untuk mempelajari lebih lanjut tentang cara mengonfigurasi Amazon FSx untuk Lustre atau Amazon EFS dengan konfigurasi VPC menggunakan estimator SDK SageMaker Python, lihat [Menggunakan Sistem File sebagai Input Pelatihan](https://sagemaker.readthedocs.io/en/stable/overview.html?highlight=VPC#use-file-systems-as-training-inputs) dalam dokumentasi AI Python SDK. SageMaker *

**Tip**  
Integrasi mode input data dengan Amazon S3, Amazon EFS, FSx dan untuk Lustre adalah cara yang disarankan untuk mengonfigurasi sumber data secara optimal untuk praktik terbaik. Anda dapat meningkatkan kinerja pemuatan data secara strategis menggunakan opsi penyimpanan terkelola SageMaker AI dan mode input, tetapi itu tidak dibatasi secara ketat. Anda dapat menulis logika pembacaan data Anda sendiri langsung di wadah pelatihan Anda. Misalnya, Anda dapat mengatur untuk membaca dari sumber data yang berbeda, menulis kelas pemuat data S3 Anda sendiri, atau menggunakan fungsi pemuatan data kerangka kerja pihak ketiga dalam skrip pelatihan Anda. Namun, Anda harus memastikan bahwa Anda menentukan jalur yang benar yang dapat dikenali SageMaker AI.

**Tip**  
Jika Anda menggunakan wadah pelatihan khusus, pastikan Anda menginstal [toolkit SageMaker pelatihan](https://github.com/aws/sagemaker-training-toolkit) yang membantu mengatur lingkungan untuk pekerjaan SageMaker pelatihan. Jika tidak, Anda harus menentukan variabel lingkungan secara eksplisit di Dockerfile Anda. Untuk informasi selengkapnya, lihat [Membuat wadah dengan algoritme dan model Anda sendiri](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers-create.html).

Untuk informasi selengkapnya tentang cara mengatur mode input data menggunakan level rendah SageMaker APIs[Bagaimana Amazon SageMaker AI Memberikan Informasi Pelatihan](your-algorithms-training-algo-running-container.md), lihat [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)API, dan `TrainingInputMode` in [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html).