翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker AI の環境変数とトレーニングストレージロケーションのデフォルトのパス
<a name="model-train-storage-env-var-summary"></a>

次の表は、SageMaker トレーニングプラットフォームによって管理されるトレーニングデータセット、チェックポイント、モデルアーティファクト、および出力の入出力パスをまとめたものです。


| SageMaker トレーニングインスタンスのローカルパス | SageMaker AI の環境変数 | 目的 | 起動中に S3 から読み取る | スポット再起動中に S3 から読み取る | トレーニング中に S3 に書き込む | ジョブ終了時に S3 に書き込む | 
| --- | --- | --- | --- | --- | --- | --- | 
|  `/opt/ml/input/data/channel_name`1   |  SM\$1CHANNEL\$1*CHANNEL\$1NAME*  |  SageMaker AI Python SDK [Estimator](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator) クラスまたは [CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) API オペレーションを介して指定された入力チャネルからトレーニングデータを読み取ります。SageMaker Python SDK を使用してトレーニングスクリプトで指定する方法の詳細については、「[Prepare a Training script](https://sagemaker.readthedocs.io/en/stable/overview.html?highlight=VPC#prepare-a-training-script)」を参照してください。  | はい  | あり | なし | なし | 
|  `/opt/ml/output/data`2  | SM\$1OUTPUT\$1DIR |  損失、正確性、中間レイヤー、重み、勾配、バイアス、TensorBoard 互換の出力などの出力を保存します。このパスを使用して、任意の変換出力を保存することもできます。これは最終的なモデルアーティファクト `/opt/ml/model/` を保存するパスとは異なることにご注意ください。  | いいえ | なし | なし | はい | 
|  `/opt/ml/model`3  | SM\$1MODEL\$1DIR |  最終的なモデルアーティファクトを保存します。このパスから SageMaker AI Hosting の[リアルタイム推論](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)にモデルアーティファクトがデプロイされます。  | いいえ | なし | なし | はい | 
|  `/opt/ml/checkpoints`4  | - |  特定のポイントからトレーニングを再開し、予期しない中断または[マネージドスポットトレーニング](https://docs.aws.amazon.com/sagemaker/latest/dg/model-managed-spot-training.html)の中断から回復できるよう、モデルチェックポイント (モデルの状態) を保存します。  | はい  | はい | あり | なし | 
|  `/opt/ml/code`  | SAGEMAKER\$1SUBMIT\$1DIRECTORY |  トレーニングスクリプト、追加のライブラリ、および依存関係のコピー。  | はい  | あり | なし | いいえ | 
|  `/tmp`  | - |  スクラッチスペースとして `/tmp` への読み取りまたは書き込み。  | いいえ | なし | なし | いいえ | 

1 `channel_name` はトレーニングデータ入力用のユーザー定義チャネル名を指定する場所です。各トレーニングジョブには、複数のデータ入力チャネルを含めることができます。トレーニングジョブあたり、最大 20 のトレーニング入力チャネルを指定できます。データチャネルからのデータダウンロード時間は、請求対象時間にカウントされることにご注意ください。データ入力パスの詳細については、「[How Amazon SageMaker AI Provides Training Information](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-running-container.html)」を参照してください。また、SageMaker AI がサポートするデータ入力モードには、ファイル、FastFile、パイプモードの 3 種類があります。SageMaker AI のトレーニングのデータ入力モードの詳細については、「[Access Training Data](https://docs.aws.amazon.com/sagemaker/latest/dg/model-access-training-data.html)」を参照してください。

2 SageMaker AI は、トレーニングアーティファクトを TAR ファイル (`tar.gz`) に圧縮して書き込みます。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「[How Amazon SageMaker AI Processes Training Output](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-output.html)」を参照してください。

3 SageMaker AI は、最終的なモデルアーティファクトを TAR ファイル (`tar.gz`) に圧縮して書き込みます。圧縮時間とアップロード時間は、請求対象時間にカウントされます。詳細については、「[How Amazon SageMaker AI Processes Training Output](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-output.html)」を参照してください。

4 トレーニング中は Amazon S3 と同期してください。TAR ファイルに圧縮せず,そのまま書き込んでください。詳細については、「[Use Checkpoints in Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/model-checkpoints.html)」を参照してください。