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.

# Como a Amazon SageMaker AI processa os resultados de treinamento
<a name="your-algorithms-training-algo-output"></a>

À medida que é executado em um contêiner, o algoritmo gera um resultado, incluindo o status do trabalho de treinamento e do modelo e os artefatos de saída. O algoritmo deve gravar essas informações nos seguintes arquivos, que estão localizados no diretório `/output` do contêiner: A Amazon SageMaker AI processa as informações contidas nesse diretório da seguinte forma:
+ `/opt/ml/model`— Seu algoritmo deve gravar todos os artefatos do modelo final nesse diretório. SageMaker A IA copia esses dados como um único objeto no formato tar compactado para o local do S3 que você especificou na `CreateTrainingJob` solicitação. Se vários contêineres em um único trabalho de treinamento gravarem nesse diretório, eles devem garantir que nenhum `file/directory` nome entre em conflito. SageMaker A IA agrega o resultado em um arquivo TAR e faz o upload para o S3 no final do trabalho de treinamento. 
+ `/opt/ml/output/data`— Seu algoritmo deve gravar artefatos que você deseja armazenar, além do modelo final, nesse diretório. SageMaker A IA copia esses dados como um único objeto no formato tar compactado para o local do S3 que você especificou na `CreateTrainingJob` solicitação. Se vários contêineres em um único trabalho de treinamento gravarem nesse diretório, eles devem garantir que nenhum `file/directory` nome entre em conflito. SageMaker A IA agrega o resultado em um arquivo TAR e faz o upload para o S3 no final do trabalho de treinamento.
+ `/opt/ml/output/failure`: Se o treinamento apresentar falhas, depois que todos os resultados do algoritmo (por exemplo, o registro em logs) estiverem concluídos, o algoritmo deverá gravar a descrição da falha nesse arquivo. Em `DescribeTrainingJob` resposta, a SageMaker IA retorna os primeiros 1024 caracteres desse arquivo como`FailureReason`. 

Você pode especificar um bucket de uso geral do S3 ou um bucket de diretório do S3 para armazenar sua saída de treinamento. Os buckets de diretório usam apenas a classe de armazenamento Amazon S3 Express One Zone, projetada para workloads ou aplicações de performance crítica que exigem latência consistente inferior a dez milissegundos. Escolha o tipo de bucket que melhor se adapte aos requisitos de performance e da aplicação. Para mais informações sobre os buckets do diretório do S3, consulte [Buckets de diretório](https://docs.aws.amazon.com/AmazonS3/latest/userguide/directory-buckets-overview.html) no *Guia do usuário do Amazon Simple Storage Service*. 

**nota**  
Você só pode criptografar seus dados de saída de SageMaker IA em buckets de diretório do S3 com criptografia do lado do servidor com chaves gerenciadas do Amazon S3 (SSE-S3). Atualmente, a criptografia do lado do servidor com AWS KMS chaves (SSE-KMS) não é suportada para armazenar dados de saída de SageMaker IA em buckets de diretório.