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.
Traitement de la sortie d’entraînement par Amazon SageMaker AI
À mesure que votre algorithme s’exécute dans un conteneur, il génère une sortie incluant le statut de la tâche et du modèle d’entraînement, ainsi que des artefacts de sortie. Votre algorithme doit écrire ces informations dans les fichiers suivants, placés dans le répertoire /output du conteneur. Amazon SageMaker AI traite les informations contenues dans ce répertoire de la façon suivante :
-
/opt/ml/model: votre algorithme doit écrire tous les artefacts du modèle final dans ce répertoire. SageMaker AI copie ces données sous la forme d’un seul objet au format tar compressé dans l’emplacement S3 que vous avez spécifié dans la demandeCreateTrainingJob. Si plusieurs conteneurs d’une même tâche d’entraînement écrivent dans ce répertoire, ils doivent éviter tout conflit de nomsfile/directory. SageMaker AI regroupe le résultat dans un fichier tar et le télécharge dans S3 à la fin de la tâche d’entraînement. -
/opt/ml/output/data: votre algorithme doit écrire dans ce répertoire les artefacts que vous souhaitez stocker à l’exception du modèle final. SageMaker AI copie ces données sous la forme d’un seul objet au format tar compressé dans l’emplacement S3 que vous avez spécifié dans la demandeCreateTrainingJob. Si plusieurs conteneurs d’une même tâche d’entraînement écrivent dans ce répertoire, ils doivent éviter tout conflit de nomsfile/directory. SageMaker AI regroupe le résultat dans un fichier tar et le télécharge dans S3 à la fin de la tâche d’entraînement. -
/opt/ml/output/failure: si l’entraînement échoue, une fois que toutes les sorties de l’algorithme (par exemple, la journalisation) sont terminées, votre algorithme doit écrire la description de la défaillance dans ce fichier. Dans une réponseDescribeTrainingJob, SageMaker AI renvoie les 1 024 premiers caractères de ce fichier en tant queFailureReason.
Vous pouvez spécifier un compartiment S3 à usage général ou un compartiment de répertoire S3 pour stocker votre sortie d’entraînement. Les compartiments de répertoire utilisent uniquement la classe de stockage Amazon S3 Express One Zone, conçue pour les charges de travail ou les applications critiques en termes de performances qui nécessitent une latence constante inférieure à dix millisecondes. Choisissez le type de compartiment qui correspond le mieux à votre application et à vos exigences de performances. Pour plus d’informations sur les compartiments de répertoire S3, consultez Compartiments de répertoire dans le Guide de l’utilisateur Amazon Simple Storage Service.
Note
Vous ne pouvez chiffrer vos données de sortie SageMaker AI que dans les compartiments de répertoire S3 avec un chiffrement côté serveur avec des clés gérées par Amazon S3 (SSE-S3). Le chiffrement côté serveur à l’aide de clés AWS KMS (SSE-KMS) n’est actuellement pas pris en charge pour le stockage des données de sortie de SageMaker AI dans les compartiments de répertoire.
