可以通过以下步骤配置 Amazon Sagemaker Python SDK 的输入数据：

1. 准备数据：数据应以适当格式存储在 Amazon S3 存储桶中。例如，图片可以存储在 S3 存储桶的不同文件夹中。

2. 创建数据通道：可以使用 Amazon Sagemaker 提供的 S3 数据通道或自定义数据通道来提供数据。下面是使用自定义数据通道的示例：

import sagemaker

sagemaker_session = sagemaker.Session()

# 定义数据通道的访问路径
data_path = 's3:///'

# 创建指向数据通道的 S3 输入通道
input_data = sagemaker.session.s3_input(s3_data=data_path, content_type='csv')

3. 创建训练作业：添加输入数据通道到 “fit” 命令，以告诉 Amazon Sagemaker 使用这些数据进行训练。

from sagemaker.estimator import Estimator

train_instace_type = 'ml.m4.xlarge'
train_instance_count = 1
train_volume_size = 50

estimator = Estimator(
    image_name=image_name,
    role='SageMakerRole',
    train_instance_count=train_instance_count,
    train_instance_type=train_instace_type,
    train_volume_size=train_volume_size,
    train_max_run=3600,
    input_mode='File',
    output_path=s3_model_output_location,
    sagemaker_session=sagemaker_session,
)

estimator.fit({'train': input_data})

通过这些步骤，就可以成功配置 Amazon Sagemaker Python SDK 的输入数据。