ソーシャルメディア企業が、不快なコンテンツを検出するために画像分類モデル（SageMakerの組み込み画像分類器を使用）をトレーニングします。トレーニングを高速化するためにパイプモードを使用します。データセットは、クラスのサブフォルダー、均一にサイズ変更された画像、およびtraining.lstとvalidation.lstという2つのマニフェストファイルを含むトレーニング、検証、テストフォルダーに分割されています。トレーニングと検証のアップロード用に個別のS3バケットを作成しました。S3にアップロードする前に、どのような追加のデータ準備ステップを実行する必要がありますか？

SageMakerの組み込み画像分類器は、パイプモードでトレーニングする場合、RecordIO形式のデータを最も効率的に処理します。im2recユーティリティは、画像ファイルとマニフェストファイルからRecordIOファイルを生成するための標準的なツールです。これにより、トレーニング中にS3からデータをストリーミングする際のI/Oオーバーヘッドが削減され、トレーニングが高速化されます。 Pandas DataFrameとParquetファイルは表形式データに適しており、画像データには不向きです。ディレクトリの圧縮は、ファイル転送には役立ちますが、SageMakerが直接読み取れる形式ではないため、トレーニング前に解凍が必要となり、パイプモードの利点を損ないます。