Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Variables d’environnement SageMaker AI et chemins par défaut des emplacements de stockage d’entraînement
Le tableau suivant récapitule les chemins d’entrée et de sortie pour les jeux de données d’entraînement, les points de contrôle, les artefacts de modèle et les sorties, gérés par la plateforme d’entraînement SageMaker.
| Parcours local dans l'instance d'entraînement SageMaker | Variable d’environnement SageMaker AI | Objectif | Lire à partir de S3 pendant le démarrage | Lecture à partir de S3 lors d'un redémarrage ponctuel | Écrit sur S3 pendant l'entraînement | Écriture sur S3 lorsque la tâche est terminée |
|---|---|---|---|---|---|---|
|
|
SM_CHANNEL_ |
Lecture des données d’entraînement à partir des canaux d’entrée spécifiés via la classe Estimator |
Oui | Oui | Non | Non |
|
|
SM_OUTPUT_DIR |
Enregistrement de sorties telles que la perte, la précision, les couches intermédiaires, les pondérations, les dégradés, le biais et les sorties compatibles avec TensorBoard. Vous pouvez également enregistrer n'importe quelle sortie arbitraire en utilisant ce chemin. Notez qu'il s'agit d'un chemin différent de celui utilisé pour stocker l'artefact du modèle final |
Non | Non | Non | Oui |
|
|
SM_MODEL_DIR |
Stockage de l'artefact du modèle final. Il s’agit également du chemin à partir duquel l’artefact du modèle est déployé pour l’inférence en temps réel dans SageMaker AI Hosting. |
Non | Non | Non | Oui |
|
|
- |
Enregistrement des points de contrôle du modèle (l'état du modèle) pour reprendre l'entraînement à partir d'un certain point et récupérer après un événement imprévu ou des interruptions d'Entraînement ponctuel géré. |
Oui | Oui | Oui | Non |
|
|
SAGEMAKER_SUBMIT_DIRECTORY |
Copie de scripts d'entraînement, de bibliothèques supplémentaires et de dépendances. |
Oui | Oui | Non | Non |
|
|
- |
Lecture ou écriture dans |
Non | Non | Non | Non |
1 channel_name permet de spécifier les noms de canal définis par l'utilisateur pour les entrées de données d'entraînement. Chaque tâche d'entraînement peut contenir plusieurs canaux d'entrée de données. Vous pouvez spécifier jusqu'à 20 canaux d'entrée par tâche d'entaînement. Notez que le temps de téléchargement des données à partir des canaux de données est compté dans le temps facturable. Pour plus d’informations sur les chemins d’entrée des données, consultez Mise à disposition d’informations d’entraînement par Amazon SageMaker AI. SageMaker AI prend également en charge trois types de modes d’entrée des données : Fichier, Fichier rapide et Canal. Pour en savoir plus sur les modes d’entrée des données pour l’entraînement dans SageMaker AI, consultez Accéder aux données d’entraînement.
2 SageMaker AI compresse et écrit les artefacts d’entraînement dans des fichiers TAR (tar.gz). Le temps de compression et de téléchargement est compté dans le temps facturable. Pour plus d’informations, consultez Traitement de la sortie d’entraînement par Amazon SageMaker AI.
3 SageMaker AI compresse et écrit l’artefact du modèle final dans un fichier TAR (tar.gz). Le temps de compression et de téléchargement est compté dans le temps facturable. Pour plus d’informations, consultez Traitement de la sortie d’entraînement par Amazon SageMaker AI.
4 Synchronisation avec Amazon S3 pendant l'entraînement. Écrivez tel quel sans compression dans des fichiers TAR. Pour plus d’informations, consultez Utilisation des points de contrôle dans Amazon SageMaker AI.
