Utilice un bucket de Amazon S3 para entrada y salida

Configure un bucket de S3 para cargar conjuntos de datos de entrenamiento y guardar los datos de salida de entrenamiento para su trabajo de ajuste de hiperparámetros.

Para usar un bucket de S3 predeterminado

Utilice el siguiente código para especificar el bucket de S3 predeterminado asignado a su sesión de SageMaker AI. prefix es la ruta dentro del bucket en la que SageMaker AI almacena los datos del trabajo de entrenamiento actual.

sess = sagemaker.Session()
bucket = sess.default_bucket() # Set a default S3 bucket
prefix = 'DEMO-automatic-model-tuning-xgboost-dm'

Para usar un bucket de S3 específico (opcional)

Si desea usar un bucket de S3 específico, utilice el siguiente código y sustituya las cadenas por el nombre exacto del bucket de S3. El nombre del bucket debe contener sagemaker y ser único a escala global. El bucket debe estar en la misma región de AWS que la instancia de cuaderno que utilice en este ejemplo.

bucket = "sagemaker-your-preferred-s3-bucket"

sess = sagemaker.Session(
    default_bucket = bucket
)

Paso siguiente

Descarga, preparación y carga de datos de entrenamiento