本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 未壓縮模型輸出
<a name="model-train-storage-uncompressed"></a>

SageMaker AI 會將您的模型存放在 `/opt/ml/model`，並將資料存放在 `/opt/ml/output/data`。將模型和資料寫入這些位置後，根據預設以壓縮檔案形式上傳到 Amazon S3 儲存貯體。

您可以以未壓縮檔案形式將模型和資料輸出上傳到 S3 儲存貯體，節省大型資料檔案壓縮的時間。若要這樣做，請使用 AWS Command Line Interface (AWS CLI) 或 SageMaker Python SDK，在未壓縮上傳模式中建立訓練任務。

下列程式碼範例示範如何在使用 AWS CLI時在未壓縮上傳模式下建立訓練任務。若要啟用未壓縮的上傳模式，請將 `OutputDataConfig` API 中的 `CompressionType` 欄位設定為 **NONE**。

```
{
   "TrainingJobName": "uncompressed_model_upload",
   ...
   "OutputDataConfig": { 
      "S3OutputPath": "s3://amzn-s3-demo-bucket/uncompressed_upload/output",
      "CompressionType": "NONE"
   },
   ...
}
```

下列程式碼範例示範如何在使用 SageMaker Python SDK 時在未壓縮上傳模式下建立訓練任務。

```
import sagemaker
from sagemaker.estimator import Estimator

estimator = Estimator(
    image_uri="your-own-image-uri",
    role=sagemaker.get_execution_role(), 
    sagemaker_session=sagemaker.Session(),
    instance_count=1,
    instance_type='ml.c4.xlarge',
    disable_output_compression=True
)
```