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。

# Amazon SageMaker AI 如何处理训练输出
<a name="your-algorithms-training-algo-output"></a>

由于您的算法在容器中运行，它会生成包含训练作业状态以及模型和输出构件的输出。您的算法应将此信息写入到以下文件中，这些文件位于容器的 `/output` 目录。Amazon SageMaker AI 按如下方式处理此目录中包含的信息：
+ `/opt/ml/model`— 您的算法应将所有最终模型工件写入此目录。 SageMaker AI 将这些数据作为压缩的 tar 格式的单个对象复制到您在`CreateTrainingJob`请求中指定的 S3 位置。如果单个训练作业中有多个容器写入此目录，则应确保`file/directory`名称没有冲突。 SageMaker AI 将结果聚合到 TAR 文件中，并在训练作业结束时上传到 S3。
+ `/opt/ml/output/data`— 您的算法应将要存储的最终模型以外的工件写入此目录。 SageMaker AI 将这些数据作为压缩的 tar 格式的单个对象复制到您在`CreateTrainingJob`请求中指定的 S3 位置。如果单个训练作业中有多个容器写入此目录，则应确保`file/directory`名称没有冲突。 SageMaker AI 将结果聚合到 TAR 文件中，并在训练作业结束时上传到 S3。
+ `/opt/ml/output/failure` – 如果训练失败，当所有算法输出（例如日志记录）完成后，您的算法应将关于失败的描述写入到此文件。作为`DescribeTrainingJob`响应， SageMaker AI 将此文件中的前 1024 个字符返回为`FailureReason`。

您可以指定 S3 通用存储桶或 S3 目录存储桶来存储训练输出。目录存储桶仅使用 Amazon S3 Express One Zone 存储类，该类专为需要稳定的毫秒级延迟的工作负载或注重性能的应用程序而设计。选择最适合您的应用程序和性能要求的桶类型。有关 S3 目录存储桶的更多信息，请参阅[《Amazon Simple Storage Service 用户指南》](https://docs.aws.amazon.com/AmazonS3/latest/userguide/directory-buckets-overview.html)中的*目录存储桶*。

**注意**  
您只能使用 SageMaker Amazon S3 托管密钥 (SSE-S3) 通过服务器端加密来加密 S3 目录存储桶中的 AI 输出数据。目前不支持使用 AWS KMS 密钥进行服务器端加密 (SSE-KMS)，以将 SageMaker AI 输出数据存储在目录存储桶中。