Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Ausführen von Trainingsjobs auf einem heterogenen Cluster
Mithilfe der Funktion für heterogene Cluster von SageMaker Training können Sie einen Trainingsjob mit mehreren Typen von ML-Instances ausführen, um die Ressourcen für verschiedene ML-Trainingsaufgaben und -zwecke besser skalieren und nutzen zu können. Wenn bei Ihrem Trainingsjob auf einem Cluster mit GPU-Instanzen beispielsweise eine geringe GPU-Auslastung und aufgrund von CPU-intensive Aufgaben CPU-Engpässe auftreten, kann die Verwendung eines heterogenen Clusters dazu beitragen, CPU-intensive Aufgaben auszulagern, indem kostengünstigere CPU-Instanzgruppen hinzugefügt, solche Engpässe behoben und eine bessere GPU-Auslastung erreicht werden.
Anmerkung
Diese Funktion ist im SageMaker Python SDK v2.98.0 und höher verfügbar.
Anmerkung
Diese Funktion ist in den Klassen SageMaker AI PyTorch
Lesen Sie auch den Blog Verbessern Sie das Preis-Leistungs-Verhältnis Ihres Modelltrainings mithilfe von heterogenen Amazon SageMaker AI-Clustern
Themen
