Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Cómo procesa Amazon SageMaker AI la salida de entrenamiento
Puesto que su algoritmo se ejecuta en un contenedor, genera la salida incluyendo el estado del modelo y el trabajo de capacitación, y los artefactos de salida. Su algoritmo debe escribir esta información en los siguientes archivos, que se encuentran en el directorio /output del contenedor. Amazon SageMaker AI procesa la información que se encuentra en este directorio como se indica a continuación:
-
/opt/ml/model: su algoritmo debe escribir todos los artefactos de modelo finales en este directorio. SageMaker AI copia estos datos como un objeto único en formato tar comprimido en la ubicación de S3 que especificó en la solicitudCreateTrainingJob. Si se escriben varios contenedores en un solo trabajo de entrenamiento en este directorio, deben asegurarse de los nombresfile/directoryno coincidan. SageMaker AI agrega el resultado en un archivo TAR y lo carga en S3 al final del trabajo de entrenamiento. -
/opt/ml/output/data: su algoritmo debería escribir en este directorio los artefactos que desee almacenar, además del modelo final. SageMaker AI copia estos datos como un objeto único en formato tar comprimido en la ubicación de S3 que especificó en la solicitudCreateTrainingJob. Si se escriben varios contenedores en un solo trabajo de entrenamiento en este directorio, deben asegurarse de los nombresfile/directoryno coincidan. SageMaker AI agrega el resultado en un archivo TAR y lo carga en S3 al final del trabajo de entrenamiento. -
/opt/ml/output/failure: si se produce un error en la entrenamiento, después de que toda la salida del algoritmo (por ejemplo, registro) se complete, el algoritmo debe escribir la descripción de errores en este archivo. En una respuestaDescribeTrainingJob, SageMaker AI devuelve los primeros 1024 caracteres de este archivo comoFailureReason.
Puede especificar un bucket de uso general de S3 o de directorios de S3 para almacenar la salida de entrenamiento. Los buckets de directorio utilizan únicamente la clase de almacenamiento de Amazon S3 Express One Zone, que está diseñada para cargas de trabajo o aplicaciones fundamentales para el rendimiento que requieren una latencia uniforme en milisegundos de un solo dígito. Elija el tipo de bucket que mejor se adapte a sus requisitos de rendimiento y aplicación. Para obtener más información sobre los buckets de directorios de S3, consulte Descripción general de los buckets de directorio en la Guía del usuario de Amazon Simple Storage Service.
nota
Solo puede cifrar los datos de salida de SageMaker AI en buckets de directorio de S3 con cifrado del servidor con claves administradas de Amazon S3 (SSE-S3). No se admite el cifrado del servidor con claves de AWS KMS (SSE-KMS) para almacenar los datos de salida de SageMaker AI en los buckets de directorio.
