Bagaimana Amazon SageMaker AI Memproses Output Pelatihan - Amazon SageMaker AI

View a markdown version of this page

Bagaimana Amazon SageMaker AI Memproses Output Pelatihan - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Bagaimana Amazon SageMaker AI Memproses Output Pelatihan

Saat algoritma Anda berjalan dalam wadah, algoritma menghasilkan output termasuk status pekerjaan pelatihan dan model dan artefak keluaran. Algoritma Anda harus menulis informasi ini ke file-file berikut, yang terletak di /output direktori container. Amazon SageMaker AI memproses informasi yang terkandung dalam direktori ini sebagai berikut:

  • /opt/ml/model— Algoritma Anda harus menulis semua artefak model akhir ke direktori ini. SageMaker AI menyalin data ini sebagai objek tunggal dalam format tar terkompresi ke lokasi S3 yang Anda tentukan dalam CreateTrainingJob permintaan. Jika beberapa wadah dalam satu pekerjaan pelatihan menulis ke direktori ini, mereka harus memastikan tidak ada file/directory nama yang bentrok. SageMaker AI menggabungkan hasilnya dalam file TAR dan mengunggah ke S3 di akhir pekerjaan pelatihan.

  • /opt/ml/output/data— Algoritma Anda harus menulis artefak yang ingin Anda simpan selain model akhir ke direktori ini. SageMaker AI menyalin data ini sebagai objek tunggal dalam format tar terkompresi ke lokasi S3 yang Anda tentukan dalam CreateTrainingJob permintaan. Jika beberapa wadah dalam satu pekerjaan pelatihan menulis ke direktori ini, mereka harus memastikan tidak ada file/directory nama yang bentrok. SageMaker AI menggabungkan hasilnya dalam file TAR dan mengunggah ke S3 di akhir pekerjaan pelatihan.

  • /opt/ml/output/failure— Jika pelatihan gagal, setelah semua output algoritma (misalnya, logging) selesai, algoritma Anda harus menulis deskripsi kegagalan ke file ini. Sebagai DescribeTrainingJob tanggapan, SageMaker AI mengembalikan 1024 karakter pertama dari file ini sebagaiFailureReason.

Anda dapat menentukan tujuan umum S3 atau bucket direktori S3 untuk menyimpan keluaran pelatihan Anda. Bucket direktori hanya menggunakan kelas penyimpanan Amazon S3 Express One Zone, yang dirancang untuk beban kerja atau aplikasi penting kinerja yang memerlukan latensi milidetik satu digit yang konsisten. Pilih jenis bucket yang paling sesuai dengan aplikasi dan persyaratan kinerja Anda. Untuk informasi selengkapnya tentang bucket direktori S3, lihat Bucket direktori di Panduan Pengguna Layanan Penyimpanan Sederhana Amazon.

catatan

Anda hanya dapat mengenkripsi data keluaran SageMaker AI di bucket direktori S3 dengan enkripsi sisi server dengan kunci terkelola Amazon S3 ()SSE-S3. Server-side enkripsi dengan AWS KMS kunci (SSE-KMS) saat ini tidak didukung untuk menyimpan data keluaran SageMaker AI dalam bucket direktori.