本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 未压缩的模型输出
<a name="model-train-storage-uncompressed"></a>

SageMaker AI 将你的模型存储在里面`/opt/ml/model`，你的数据存储在里面`/opt/ml/output/data`。将模型和数据写入这些位置后，默认情况下，它们会作为压缩文件上传到您的 Amazon S3 存储桶。

您可以将模型和数据输出作为未压缩文件上传到 S3 存储桶，从而节约压缩大型数据文件的时间。为此，请使用 AWS Command Line Interface (AWS CLI) 或 SageMaker Python SDK 在未压缩上传模式下创建训练作业。

以下代码示例显示如何在使用 AWS CLI时，在未压缩上传模式下创建训练作业。要启用未压缩上传模式，请将 `OutputDataConfig` API 中的 `CompressionType` 字段设置为 **NONE**。

```
{
   "TrainingJobName": "uncompressed_model_upload",
   ...
   "OutputDataConfig": { 
      "S3OutputPath": "s3://amzn-s3-demo-bucket/uncompressed_upload/output",
      "CompressionType": "NONE"
   },
   ...
}
```

以下代码示例向您展示了如何使用 SageMaker Python SDK 在未压缩上传模式下创建训练作业。

```
import sagemaker
from sagemaker.estimator import Estimator

estimator = Estimator(
    image_uri="your-own-image-uri",
    role=sagemaker.get_execution_role(), 
    sagemaker_session=sagemaker.Session(),
    instance_count=1,
    instance_type='ml.c4.xlarge',
    disable_output_compression=True
)
```