View a markdown version of this page

Mappatura dei percorsi di storage di formazione gestiti da Amazon SageMaker AI - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Mappatura dei percorsi di storage di formazione gestiti da Amazon SageMaker AI

Questa pagina fornisce un riepilogo di alto livello di come la piattaforma di SageMaker formazione gestisce i percorsi di archiviazione per set di dati di addestramento, artefatti del modello, checkpoint e output tra lo storage nel cloud e i lavori di formazione in intelligenza artificiale. AWS SageMaker In questa guida, imparerai a identificare i percorsi predefiniti impostati dalla piattaforma SageMaker AI e come semplificare i canali di dati con le tue fonti di dati in Amazon Simple Storage Service (Amazon S3), FSx for Lustre e Amazon EFS. Per ulteriori informazioni sulle diverse classi di input e sulle classi di storage dei canali dati, consulta Configurazione di job di addestramento per accedere ai set di dati.

Panoramica su come l'IA mappa i percorsi di archiviazione SageMaker

Il diagramma seguente mostra un esempio di come l' SageMaker IA mappa i percorsi di input e output quando esegui un lavoro di formazione utilizzando la classe SageMaker Python SDK ModelTrainer.

Un esempio di come l' SageMaker IA mappa i percorsi tra il contenitore del training job e lo storage quando si esegue un training job utilizzando la ModelTrainer classe SageMaker Python SDK e il relativo metodo train.

SageMaker L'intelligenza artificiale mappa i percorsi di archiviazione tra uno storage (come Amazon S3, Amazon FSx e Amazon EFS) e il contenitore di SageMaker formazione in base ai percorsi e alla modalità di input specificati tramite un oggetto AI. SageMaker ModelTrainer Per ulteriori informazioni su come l' SageMaker IA legge o scrive sui percorsi e sullo scopo dei percorsi, consulta. SageMaker Variabili di ambiente AI e percorsi predefiniti per le sedi di archiviazione della formazione

È possibile utilizzare l'OutputDataConfigCreateTrainingJobAPI per salvare i risultati dell'addestramento del modello in un bucket S3. Usa l'ModelArtifactsAPI per trovare il bucket S3 che contiene gli artefatti del tuo modello. Consulta il notebook abalone_build_train_deploy per un esempio di percorsi di output e di come vengono utilizzati nelle chiamate API.

Per ulteriori informazioni ed esempi su come l' SageMaker IA gestisce l'origine dei dati, le modalità di input e i percorsi locali nelle istanze di addestramento, consulta SageMaker Access Training Data. https://docs.aws.amazon.com/sagemaker/latest/dg/model-access-training-data.html