映射由 Amazon A SageMaker I 管理的训练存储路径

本页概述了 SageMaker 训练平台如何管理训练数据集的存储路径、模型工件、检查点以及 AWS 云存储和 SageMaker 人工智能训练作业之间的输出。在本指南中，您将学习如何识别 SageMaker 人工智能平台设置的默认路径，以及如何使用适用于 Lustre 的亚马逊简单存储服务 (Amazon S3) 和 Amazon EF FSx S 中的数据源简化数据通道。有关各种数据通道的输入模式和存储选项的更多信息，请参阅设置访问数据集的训练作业。

SageMaker AI 如何映射存储路径概述

下图显示了当您使用 SageMaker Python SDK 估算器类运行训练作业时 SageMaker AI 如何映射输入和输出路径的示例。

SageMaker AI 根据通过 AI 估算器对象指定的路径和输入模式，在存储（例如 Amazon S3 FSx、Amazon 和 Amazon EFS）和 SageMaker 训练容器之间映射存储路径。 SageMaker 有关 SageMaker AI 如何读取或写入路径以及路径用途的更多信息，请参阅SageMaker AI 环境变量和训练存储位置的默认路径。

您可以在 CreateTrainingJobAPI OutputDataConfig 中使用将模型训练的结果保存到 S3 存储桶中。使用 ModelArtifactsAPI 查找包含您的模型工件的 S3 存储桶。有关输出路径以及如何在 API 调用中使用输出路径的示例，请参阅 abalone_build_train_deploy 笔记本。

有关 SageMaker AI 如何管理 SageMaker 训练实例中的数据源、输入模式和本地路径的更多信息和示例，请参阅访问训练数据。

主题

• 未压缩的模型输出

• 为不同类型的实例本地存储管理存储路径

• SageMaker AI 环境变量和训练存储位置的默认路径