SageMaker AI の環境変数とトレーニングストレージロケーションのデフォルトのパス - Amazon SageMaker AI

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

SageMaker AI の環境変数とトレーニングストレージロケーションのデフォルトのパス

次の表は、SageMaker トレーニングプラットフォームによって管理されるトレーニングデータセット、チェックポイント、モデルアーティファクト、および出力の入出力パスをまとめたものです。

SageMaker トレーニングインスタンスのローカルパス SageMaker AI の環境変数 目的 起動中に S3 から読み取る スポット再起動中に S3 から読み取る トレーニング中に S3 に書き込む ジョブ終了時に S3 に書き込む

/opt/ml/input/data/channel_name1

SM_CHANNEL_CHANNEL_NAME

SageMaker AI Python SDK Estimator クラスまたは CreateTrainingJob API オペレーションを介して指定された入力チャネルからトレーニングデータを読み取ります。SageMaker Python SDK を使用してトレーニングスクリプトで指定する方法の詳細については、「Prepare a Training script」を参照してください。

 はい あり なし なし

/opt/ml/output/data2

 SM_OUTPUT_DIR

損失、正確性、中間レイヤー、重み、勾配、バイアス、TensorBoard 互換の出力などの出力を保存します。このパスを使用して、任意の変換出力を保存することもできます。これは最終的なモデルアーティファクト /opt/ml/model/ を保存するパスとは異なることにご注意ください。

 いいえ なし なし はい

/opt/ml/model3

 SM_MODEL_DIR

最終的なモデルアーティファクトを保存します。このパスから SageMaker AI Hosting のリアルタイム推論にモデルアーティファクトがデプロイされます。

 いいえ なし なし はい

/opt/ml/checkpoints4

 -

特定のポイントからトレーニングを再開し、予期しない中断またはマネージドスポットトレーニングの中断から回復できるよう、モデルチェックポイント (モデルの状態) を保存します。

 はい はい あり なし

/opt/ml/code

 SAGEMAKER_SUBMIT_DIRECTORY

トレーニングスクリプト、追加のライブラリ、および依存関係のコピー。

 はい あり なし いいえ

/tmp

 -

スクラッチスペースとして /tmp への読み取りまたは書き込み。

 いいえ なし なし いいえ

1 channel_name はトレーニングデータ入力用のユーザー定義チャネル名を指定する場所です。各トレーニングジョブには、複数のデータ入力チャネルを含めることができます。トレーニングジョブあたり、最大 20 のトレーニング入力チャネルを指定できます。データチャネルからのデータダウンロード時間は、請求対象時間にカウントされることにご注意ください。データ入力パスの詳細については、「How Amazon SageMaker AI Provides Training Information」を参照してください。また、SageMaker AI がサポートするデータ入力モードには、ファイル、FastFile、パイプモードの 3 種類があります。SageMaker AI のトレーニングのデータ入力モードの詳細については、「Access Training Data」を参照してください。

2 SageMaker AI は、トレーニングアーティファクトを TAR ファイル (tar.gz) に圧縮して書き込みます。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「How Amazon SageMaker AI Processes Training Output」を参照してください。

3 SageMaker AI は、最終的なモデルアーティファクトを TAR ファイル (tar.gz) に圧縮して書き込みます。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「How Amazon SageMaker AI Processes Training Output」を参照してください。

4 トレーニング中は Amazon S3 と同期してください。TAR ファイルに圧縮せず,そのまま書き込んでください。詳細については、「Use Checkpoints in Amazon SageMaker AI」を参照してください。