如何配置SageMaker Pipeline默认存储桶？能否指定自定义存储桶？

一、默认存储桶的配置逻辑 #

当调用sess.default_bucket()时，SageMaker会按以下规则自动生成/复用S3桶：

• 命名格式固定为：sagemaker-<AWS区域>-<AWS账户ID>
• 自动创建与复用：如果当前AWS账户在对应区域还没有该命名的桶，SageMaker会自动创建；若已存在则直接复用
• 权限自动关联：该桶会默认绑定你的SageMaker执行角色权限，确保SageMaker服务能正常读写桶内的训练数据、模型输出、Pipeline工件等内容

二、如何指定自定义存储桶 #

完全可以直接指定自定义S3桶，常用两种方式：

1. 初始化Session时全局指定 #

创建SageMaker Session时，通过default_bucket参数传入自定义桶名，后续所有依赖Session默认桶的操作都会使用这个自定义桶：

import sagemaker
# 替换为你的自定义桶名
custom_bucket = "your-custom-s3-bucket"
sess = sagemaker.Session(default_bucket=custom_bucket)
# 此时调用会返回自定义桶名
print(sess.default_bucket())

2. 单个任务中单独指定 #

如果不需要全局修改默认桶，也可以在训练任务、Pipeline组件等具体操作中单独指定自定义桶路径。比如定义训练Estimator时：

from sagemaker.estimator import Estimator

estimator = Estimator(
    image_uri="your-training-container-uri",
    role=role,
    instance_count=1,
    instance_type="ml.m5.xlarge",
    # 直接指定自定义桶的输出路径
    output_path="s3://your-custom-bucket/training-outputs/"
)

注意：自定义桶需要确保你的SageMaker执行角色拥有对应的S3权限（如s3:GetObject、s3:PutObject等），可通过IAM控制台给角色添加对应桶的权限策略。

内容的提问来源于stack exchange，提问作者kyagu