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 管理的训练存储路径映射
本页简要概述了 SageMaker 训练平台如何管理训练数据集、模型构件、检查点以及 SageMaker AI 中 Amazon 云存储与训练作业之间输出的存储路径。在本指南中，您将学习如何识别 SageMaker AI 平台设置的默认路径，以及如何使用 Amazon Simple Storage Service（Amazon S3）、适用于 Lustre 的 FSx 和 Amazon EFS 中的数据来源简化数据通道。有关各种数据通道的输入模式和存储选项的更多信息，请参阅设置访问数据集的训练作业。
SageMaker AI 如何映射存储路径概览
下图举例说明了使用 SageMaker Python SDK 估算器
SageMaker AI 根据通过 SageMaker AI 估算器对象指定的路径和输入模式，在存储空间（如 Amazon S3、Amazon FSx 以及 Amazon EFS）和 SageMaker 训练容器之间映射存储路径。有关 SageMaker AI 如何读取或写入路径以及路径用途的更多信息，请参阅 SageMaker AI 环境变量和训练存储位置的默认路径。
您可以在 CreateTrainingJob 中使用 OutputDataConfig API 将模型训练结果保存到 S3 存储桶中。使用 ModelArtifacts API 查找包含模型构件的 S3 存储桶。有关输出路径以及如何在 API 调用中使用输出路径的示例，请参阅 abalone_build_train_deploy
有关 SageMaker AI 如何管理 SageMaker 训练实例中的数据来源、输入模式和本地路径的更多信息和示例，请参阅访问训练数据。