Een TensorFlow-model gebruikt een bestaand train.py-script en statische trainingsdata die zijn opgeslagen als TFRecord-bestanden. Het team wil deze data met de minste ontwikkelingsinspanning aan SageMaker leveren. Wat is de eenvoudigste manier om de trainingsdata aan SageMaker te leveren zonder de trainingscode te wijzigen?

De eenvoudigste manier om de trainingsdata aan SageMaker te leveren zonder de trainingscode te wijzigen, is door SageMaker script mode te gebruiken. Deze modus stelt u in staat om uw bestaande train.py-script ongewijzigd uit te voeren. Door de TFRecord-bestanden naar een S3-bucket te uploaden en de SageMaker-trainingstaak naar die S3-locatie te laten verwijzen, kan SageMaker de data rechtstreeks lezen zonder herformattering. De andere opties vereisen ofwel extra ontwikkelingsinspanningen (conversie naar protobuf met Glue/Lambda of wijziging van train.py), of ze zijn niet praktisch (lokale datapad zonder herformattering, aangezien SageMaker de data dan niet zou kunnen ophalen).