Utilizza un bucket Amazon S3 per l'input e l'output
Imposta un bucket S3 per caricare i dataset di addestramento e salvare i dati di output dell’addestramento per il tuo processo di ottimizzazione degli iperparametri.
Per utilizzare un bucket S3 predefinito
Utilizza il codice seguente per specificare il bucket S3 predefinito allocato per la tua sessione di SageMaker AI. prefix è il percorso all’interno del bucket in cui SageMaker AI archivia i dati per il job di addestramento corrente.
sess = sagemaker.Session() bucket = sess.default_bucket() # Set a default S3 bucket prefix = 'DEMO-automatic-model-tuning-xgboost-dm'
Per utilizzare un bucket S3 specifico (facoltativo)
Se desideri utilizzare un bucket S3 specifico, usa il codice seguente e sostituisci le stringhe con il nome esatto del bucket S3. Il nome del bucket deve contenere sagemaker ed essere univoco a livello globale. Il bucket deve trovarsi nella stessa Regione AWS dell'istanza del notebook utilizzata per questo esempio.
bucket = "sagemaker-your-preferred-s3-bucket" sess = sagemaker.Session( default_bucket = bucket )
Nota
Non è necessario che il nome del bucket contenga sagemaker se il ruolo IAM che utilizzi per eseguire il processo di ottimizzazione degli iperparametri ha un criterio che concede l'autorizzazione S3FullAccess.
Fase succcessiva
Scaricare, preparare e caricare i dati di addestramento
