Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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 如何提供训练信息

本节介绍 SageMaker AI 如何向您的 Docker 容器提供训练信息，如训练数据、超参数和其它配置信息。

向 SageMaker AI 发送 CreateTrainingJob 请求以启动模型训练时，您需要指定包含训练算法的 Docker 映像的 Amazon Elastic Container Registry（Amazon ECR）路径。您还指定存储训练数据的 Amazon Simple Storage Service (Amazon S3) 位置以及特定于算法的参数。SageMaker AI 向 Docker 容器提供此信息，以便训练算法可以使用它。本节介绍我们如何向您的 Docker 容器提供此信息。有关创建训练作业的信息，请参阅CreateTrainingJob。有关 SageMaker AI 容器整理信息的方式的更多信息，请参阅 SageMaker 训练和推理工具包。

超参数

SageMaker AI 在 Docker 容器的 /opt/ml/input/config/hyperparameters.json 文件中提供 CreateTrainingJob 请求中的超参数。

以下是 hyperparameters.json 中的超参数配置示例，用于为 XGBoost 的 CreateTrainingJob 操作指定 num_round 和 eta 超参数。

{
    "num_round": "128",
    "eta": "0.001"
}            

有关可用于 SageMaker AI 内置 XGBoost 算法的超参数的完整列表，请参阅 XGBoost Hyperparameters。

您可以调整的超参数取决于所训练的算法。有关可用于 SageMaker AI 内置算法的超参数列表，可在 Use Amazon SageMaker AI Built-in Algorithms or Pre-trained Models 中算法链接下的超参数中找到。

环境变量

SageMaker AI 在您的容器中设置以下环境变量：

输入数据配置

SageMaker AI 在您 Docker 容器的 /opt/ml/input/config/inputdataconfig.json 文件中，提供 CreateTrainingJob 请求的 InputDataConfig 参数中的数据通道信息。

例如，假设您在请求中指定三个数据通道 (train、evaluation 和 validation)。SageMaker AI 提供以下 JSON：

{
  "train" : {"ContentType":  "trainingContentType",
             "TrainingInputMode": "File",
             "S3DistributionType": "FullyReplicated",
             "RecordWrapperType": "None"},
  "evaluation" : {"ContentType":  "evalContentType",
                  "TrainingInputMode": "File",
                  "S3DistributionType": "FullyReplicated",
                  "RecordWrapperType": "None"},
  "validation" : {"TrainingInputMode": "File",
                  "S3DistributionType": "FullyReplicated",
                  "RecordWrapperType": "None"}
} 

训练数据

CreateTrainingJob 请求中 AlgorithmSpecification 的参数 TrainingInputMode 指定了如何向容器提供训练数据集。有以下输入模式可用。

SageMaker AI 模型训练支持将高性能 S3 Express One Zone 存储类目录存储桶作为文件模式、快速文件模式和管道模式的数据输入位置。要使用 S3 Express One Zone，请输入 S3 Express One Zone 目录存储桶的位置，而不是 Amazon S3 通用存储桶的位置。为具有所需访问控制和权限策略的 IAM 角色提供 ARN。有关详细信息，请参阅 AmazonSageMakerFullAccesspolicy。您只能使用具有 Amazon S3 托管式密钥的服务器端加密（SSE-S3）对目录存储桶中的 SageMaker AI 输出数据进行加密。在目录存储桶中存储 SageMaker AI 输出数据时，目前不支持具有 Amazon KMS 密钥的服务器端加密（SSE-KMS）。有关更多信息，请参阅 S3 Express One Zone。

分布式训练配置

如果您使用多个容器执行分布式训练，SageMaker AI 会在 /opt/ml/input/config/resourceconfig.json 文件中提供有关所有容器的信息。

要启用容器间通信，此 JSON 文件应包含所有容器的信息。SageMaker AI 使此文件对 File 和 Pipe 模式算法均可用。该文件提供以下信息：

下面是三节点集群的节点 1 上的示例文件：

{
    "current_host": "algo-1",
    "hosts": ["algo-1","algo-2","algo-3"],
    "network_interface_name":"eth1"
}