As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # SageMaker Variáveis de ambiente de IA e os caminhos padrão para locais de armazenamento de treinamento A tabela a seguir resume os caminhos de entrada e saída para conjuntos de dados de treinamento, pontos de verificação, artefatos de modelo e saídas, gerenciados pela plataforma de treinamento. SageMaker | Caminho local na instância SageMaker de treinamento | SageMaker Variável de ambiente de IA | Finalidade | Leia no S3 durante o início | Leia do S3 durante Spot-restart | Grava no S3 durante o treinamento | Grava no S3 quando o trabalho é encerrado | | --- | --- | --- | --- | --- | --- | --- | | `/opt/ml/input/data/{{channel_name}}`1 | SM\_CHANNEL\_ {{CHANNEL\_NAME}} | Ler dados de treinamento dos canais de entrada especificados por meio da classe SageMaker AI Python SDK [Estimator ou](https://sagemaker.readthedocs.io/en/stable/api/training/estimators.html#sagemaker.estimator.Estimator) da operação da API. [CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) Para obter mais informações sobre como especificá-lo em seu script de treinamento usando o SDK do SageMaker Python, consulte [Preparar um](https://sagemaker.readthedocs.io/en/stable/overview.html?highlight=VPC#prepare-a-training-script) script de treinamento. | Sim | Sim | Não | Não | | `/opt/ml/output/data`2 | SM\_OUTPUT\_DIR | Salvando saídas como perda, precisão, camadas intermediárias, pesos, gradientes, polarização e saídas. TensorBoard-compatible Você também pode salvar qualquer saída arbitrária que desejar usando esse caminho. Observe que esse é um caminho diferente daquele usado para armazenar o artefato do modelo final `/opt/ml/model/`. | Não | Não | Não | Sim | | `/opt/ml/model`3 | SM\_MODEL\_DIR | Armazenando o artefato do modelo final. Esse também é o caminho a partir do qual o artefato do modelo é implantado para [Real-time inferência](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html) na SageMaker hospedagem de IA. | Não | Não | Não | Sim | | `/opt/ml/checkpoints`4 | - | Salvar os pontos de verificação do modelo (o estado do modelo) para retomar o treinamento a partir de um determinado ponto e se recuperar de interrupções inesperadas ou de interrupções no [Treinamento de Spot Gerenciado](https://docs.aws.amazon.com/sagemaker/latest/dg/model-managed-spot-training.html). | Sim | Sim | Sim | Não | | `/opt/ml/code` | SAGEMAKER\_SUBMIT\_DIRECTORY | Copiar scripts de treinamento, bibliotecas adicionais e dependências. | Sim | Sim | Não | Não | | `/tmp` | - | Ler ou escrever em `/tmp` como um espaço de rascunho. | Não | Não | Não | Não | 1 `channel_name` é o local para especificar nomes de canais definidos pelo usuário para entradas de dados de treinamento. Cada trabalho de treinamento pode conter vários canais de entrada de dados. É possível especificar até 20 canais de entrada de treinamento por tarefa de treinamento. Observe que o tempo de download dos dados dos canais de dados é contabilizado no tempo faturável. Para obter mais informações sobre caminhos de entrada de dados, consulte [Como a Amazon SageMaker AI fornece informações de treinamento](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-running-container.html). Além disso, há três tipos de modos de entrada de dados que a SageMaker IA suporta: modo de arquivo e canal. FastFile Para saber mais sobre os modos de entrada de dados para treinamento em SageMaker IA, consulte [Acessar dados de treinamento](https://docs.aws.amazon.com/sagemaker/latest/dg/model-access-training-data.html). 2 A SageMaker IA comprime e grava artefatos de treinamento em arquivos TAR ()`tar.gz`. O tempo de compactação e upload é contabilizado no tempo faturável. Para obter mais informações, consulte [Como a Amazon SageMaker AI processa os resultados do treinamento](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-output.html). 3 O SageMaker AI comprime e grava o artefato do modelo final em um arquivo TAR ()`tar.gz`. O tempo de compactação e upload é contabilizado no tempo faturável. Para obter mais informações, consulte [Como a Amazon SageMaker AI processa os resultados do treinamento](https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo-output.html). 4 Sincronize com o Amazon S3 durante o treinamento. Escreva como está sem compactar em arquivos TAR. Para obter mais informações, consulte [Usar pontos de verificação na Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/model-checkpoints.html).