Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Gunakan Algoritma untuk Menjalankan Training Job
Anda dapat membuat menggunakan sumber daya algoritme untuk membuat pekerjaan pelatihan dengan menggunakan konsol Amazon SageMaker AI, SageMaker API Amazon tingkat rendah, atau SDK [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).
**catatan**
Peran eksekusi Anda harus memiliki `sagemaker:DescribeAlgorithm` izin untuk sumber daya algoritme yang Anda tentukan. Untuk informasi selengkapnya tentang izin peran eksekusi, lihat[CreateTrainingJob API: Izin Peran Eksekusi](sagemaker-roles.md#sagemaker-roles-createtrainingjob-perms).
**Topics**
+ [Menggunakan Algoritma untuk Menjalankan Training Job (Console)](#sagemaker-mkt-algo-train-console)
+ [Menggunakan Algoritma untuk Menjalankan Training Job (API)](#sagemaker-mkt-algo-train-api)
+ [Menggunakan Algoritma untuk Menjalankan Training Job ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)](#sagemaker-mkt-algo-train-sdk)
## Menggunakan Algoritma untuk Menjalankan Training Job (Console)
**Untuk menggunakan algoritma untuk menjalankan pekerjaan pelatihan (konsol)**
1. Buka konsol SageMaker AI di [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Pilih **Algoritma.**
1. Pilih algoritme yang Anda buat dari daftar di tab **Algoritma saya** atau pilih algoritme yang Anda langgani di tab **AWS Marketplace langganan**.
1. Pilih **Buat pekerjaan pelatihan**.
Algoritma yang Anda pilih akan dipilih secara otomatis.
1. Pada halaman **Buat pekerjaan pelatihan**, berikan informasi berikut:
1. Untuk **nama Job**, ketikkan nama untuk pekerjaan pelatihan.
1. Untuk **peran IAM**, pilih peran IAM yang memiliki izin yang diperlukan untuk menjalankan pekerjaan pelatihan di SageMaker AI, atau pilih **Buat peran baru untuk memungkinkan SageMaker AI membuat peran** yang memiliki kebijakan `AmazonSageMakerFullAccess` terkelola yang dilampirkan. Untuk informasi, lihat [Cara menggunakan peran eksekusi SageMaker AI](sagemaker-roles.md).
1. Untuk **konfigurasi Sumber Daya**, berikan informasi berikut:
1. Untuk **tipe Instance**, pilih jenis instance yang akan digunakan untuk pelatihan.
1. Untuk **jumlah Instans**, ketikkan jumlah instans ML yang akan digunakan untuk pekerjaan pelatihan.
1. Untuk **Volume tambahan per instans (GB)**, ketikkan ukuran volume penyimpanan ML yang ingin Anda berikan. Volume penyimpanan ML menyimpan artefak model dan status inkremental.
1. Untuk **kunci Enkripsi**, jika Anda ingin Amazon SageMaker AI menggunakan kunci Layanan Manajemen AWS Kunci untuk mengenkripsi data dalam volume penyimpanan ML yang dilampirkan ke instans pelatihan, tentukan kuncinya.
1. Untuk **kondisi Berhenti**, tentukan jumlah waktu maksimum dalam detik, menit, jam, atau hari, yang Anda inginkan untuk menjalankan pekerjaan pelatihan.
1. Untuk **VPC**, pilih VPC Amazon yang ingin Anda izinkan untuk diakses oleh wadah pelatihan Anda. Untuk informasi selengkapnya, lihat [Berikan Akses Pekerjaan Pelatihan SageMaker AI ke Sumber Daya di VPC Amazon Anda](train-vpc.md).
1. Untuk **Hyperparameters**, tentukan nilai hyperparameters yang akan digunakan untuk pekerjaan pelatihan.
1. Untuk **konfigurasi data input**, tentukan nilai berikut untuk setiap saluran data input yang akan digunakan untuk pekerjaan pelatihan. Anda dapat melihat saluran algoritme yang Anda gunakan untuk dukungan pelatihan, dan jenis konten, jenis kompresi yang didukung, dan mode input yang didukung untuk setiap saluran, di bawah bagian **Spesifikasi saluran** pada halaman **ringkasan Algoritma** untuk algoritme.
1. Untuk **nama Saluran**, ketik nama saluran input.
1. Untuk **tipe Konten**, ketikkan tipe konten data yang diharapkan algoritme untuk saluran tersebut.
1. Untuk **jenis Kompresi**, pilih jenis kompresi data yang akan digunakan, jika ada.
1. Untuk **Record wrapper**, pilih `RecordIO` apakah algoritma mengharapkan data dalam format. `RecordIO`
1. Untuk **tipe data S3, tipe** **distribusi data S3**, dan **lokasi S3**, tentukan nilai yang sesuai. Untuk informasi tentang arti nilai-nilai ini, lihat [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html).
1. Untuk **mode Input**, pilih **File** untuk mengunduh data dari ke volume penyimpanan ML yang disediakan, dan pasang direktori ke volume Docker. Pilih **Pipe** Untuk mengalirkan data langsung dari Amazon S3 ke wadah.
1. Untuk menambahkan saluran input lain, pilih **Tambah saluran**. Jika Anda selesai menambahkan saluran input, pilih **Selesai**.
1. Untuk lokasi **Output**, tentukan nilai berikut:
1. Untuk **jalur keluaran S3**, pilih lokasi S3 tempat pekerjaan pelatihan menyimpan output, seperti artefak model.
**catatan**
Anda menggunakan artefak model yang disimpan di lokasi ini untuk membuat model atau paket model dari pekerjaan pelatihan ini.
1. Untuk **kunci Enkripsi**, jika Anda ingin SageMaker AI menggunakan AWS KMS kunci untuk mengenkripsi data keluaran saat istirahat di lokasi S3.
1. Untuk **Tag**, tentukan satu atau beberapa tag untuk mengelola pekerjaan pelatihan. Setiap tag terdiri dari kunci dan nilai opsional. Kunci tanda harus unik untuk setiap sumber daya.
1. Pilih **Buat pekerjaan pelatihan** untuk menjalankan pekerjaan pelatihan.
## Menggunakan Algoritma untuk Menjalankan Training Job (API)
Untuk menggunakan algoritme untuk menjalankan tugas pelatihan menggunakan SageMaker API, tentukan nama atau Nama Sumber Daya Amazon (ARN) sebagai `AlgorithmName` bidang [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html)objek yang Anda kirim. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) Untuk informasi tentang model pelatihan di SageMaker AI, lihat[Latih Model dengan Amazon SageMaker](how-it-works-training.md).
## Menggunakan Algoritma untuk Menjalankan Training Job ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)
Gunakan algoritme yang Anda buat atau berlangganan AWS Marketplace untuk membuat pekerjaan pelatihan, buat `AlgorithmEstimator` objek, dan tentukan Nama Sumber Daya Amazon (ARN) atau nama algoritme sebagai nilai `algorithm_arn` argumen. Kemudian panggil `fit` metode estimator. Contoh:
```
from sagemaker import AlgorithmEstimator
data_path = os.path.join(DATA_DIR, 'marketplace', 'training')
algo = AlgorithmEstimator(
algorithm_arn='arn:aws:sagemaker:us-east-2:012345678901:algorithm/my-algorithm',
role='SageMakerRole',
instance_count=1,
instance_type='ml.c4.xlarge',
sagemaker_session=sagemaker_session,
base_job_name='test-marketplace')
train_input = algo.sagemaker_session.upload_data(
path=data_path, key_prefix='integ-test-data/marketplace/train')
algo.fit({'training': train_input})
```