Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Prenota piani di formazione per i tuoi lavori o HyperPod cluster di formazione
I piani di SageMaker formazione di Amazon sono una funzionalità che ti consente di prenotare e contribuire a massimizzare l'uso della capacità della GPU per carichi di lavoro di formazione su modelli di intelligenza artificiale su larga scala. Questa funzionalità fornisce l'accesso a tipi di istanze molto richiesti che coprono una gamma di opzioni di elaborazione con accelerazione GPU, tra cui le più recenti tecnologie GPU NVIDIA e i chip trainium. AWS Con i piani di SageMaker formazione, puoi assicurarti un accesso prevedibile a queste risorse computazionali ad alte prestazioni e richieste nel rispetto delle tempistiche e dei budget specificati, senza la necessità di gestire l'infrastruttura sottostante. Questa flessibilità è particolarmente utile per le organizzazioni che affrontano le sfide legate all’acquisizione e alla pianificazione di queste istanze di calcolo con un numero eccessivo di abbonamenti per i loro carichi di lavoro di IA mission-critical.
## Cosa sono i SageMaker piani di formazione
SageMaker i piani di formazione consentono di riservare una capacità di elaborazione personalizzata in base alle esigenze di risorse target, ad esempio lavori di SageMaker formazione o SageMaker HyperPod cluster. Il servizio gestisce automaticamente la prenotazione, il provisioning di risorse di calcolo accelerate, la configurazione dell’infrastruttura, l’esecuzione del carico di lavoro e il ripristino in caso di guasti dell’infrastruttura.
SageMaker i piani di formazione sono costituiti da uno o più blocchi di capacità riservata, ciascuno definito dai seguenti parametri:
+ Tipo di istanza specifico
+ Quantità di istanze
+ Zona di disponibilità
+ Durata
+ Ora di inizio e fine
**Nota**
I piani di formazione sono specifici per la risorsa target ( SageMaker Training Job o SageMaker HyperPod) e non possono essere scambiati.
Più blocchi di capacità riservata in un unico piano di addestramento possono causare discontinuità. In altre parole, possono esserci dei vuoti tra i blocchi di capacità riservata.
## Vantaggi dei piani di SageMaker formazione
SageMaker i piani di formazione offrono i seguenti vantaggi:
+ **Accesso prevedibile**: prenota la capacità della GPU per i tuoi carichi di lavoro di machine learning all’interno di intervalli di tempo specifici.
+ **Gestione dei costi**: pianifica e alloca il budget in anticipo se devi gestire un addestramento su larga scala.
+ **Gestione automatizzata delle risorse**: i piani di SageMaker formazione gestiscono l'approvvigionamento e la gestione dell'infrastruttura.
+ **Flessibilità**: crea piani di formazione per varie risorse, inclusi SageMaker corsi di formazione e SageMaker HyperPod cluster.
+ **Tolleranza agli errori**: sfrutta il ripristino automatico dai guasti dell'infrastruttura e la migrazione dei carichi di lavoro tra le zone di disponibilità per i lavori di formazione sull' SageMaker intelligenza artificiale.
## SageMaker piani di formazione, prenotazione anticipata e orari di inizio flessibili
SageMaker i piani di formazione consentono di prenotare in anticipo la capacità di elaborazione, con orari e durate di inizio flessibili.
+ **Prenotazione anticipata**: puoi prenotare un piano di addestramento fino a 8 settimane (56 giorni) prima della data di inizio.
+ Tempi di **consegna minimi**: le offerte dei piani di SageMaker formazione potrebbero iniziare entro 30 minuti dalla prenotazione, in base alla disponibilità.
**Nota**
Puoi cercare e acquistare un piano che sarà accessibile entro 30 minuti. Per garantire un’attivazione tempestiva, la transazione di pagamento deve essere completata correttamente almeno 5 minuti prima dell’orario di inizio desiderato. Ad esempio, se vuoi che un piano inizi alle 14:00, puoi effettuare una ricerca dell’ultimo minuto fino alle 13:30 e completare l’acquisto entro le 13:55 per garantire che il piano sia pronto entro le 14:00.
+ **Durata della prenotazione e quantità di istanze**: i piani di SageMaker formazione consentono di prenotare istanze con opzioni di durata e quantità specifiche. Per i tipi di istanze disponibili in un determinato periodo Regione AWS, tra cui le opzioni relative alla durata e alla quantità, consulta[Tipi di istanze supportati e prezzi Regioni AWS](#training-plans-supported-instances-and-regions).
+ **Orario di fine**: i piani di addestramento terminano sempre alle 11:30 UTC dell’ultimo giorno della prenotazione.
+ **Interruzione del piano di formazione**: se utilizzi i lavori di formazione come risorsa target e rimangono 30 minuti in una capacità riservata, i piani di SageMaker formazione avviano il processo di chiusura di tutte le istanze in esecuzione all'interno di quel blocco fino a quando la capacità riservata successiva non diventa attiva. Conservi l’accesso completo al tuo piano di addestramento fino a 30 minuti prima dell’ora di fine dell’ultimo blocco di capacità riservata.
Se la risorsa di destinazione è un SageMaker HyperPod cluster, questo limite di tempo è di un'ora.
## SageMaker piani di formazione, flusso di lavoro degli utenti
SageMaker i piani di formazione prevedono i seguenti passaggi:
Fasi amministrative:
1. **Ricerca e revisione**: trova le offerte di piani disponibili che soddisfano i tuoi requisiti di calcolo, come il tipo di istanza, il conteggio, l’ora di inizio e la durata.
1. **Creazione di un piano**: prenota un piano di addestramento che soddisfi le tue esigenze utilizzando l’ID dell’offerta del piano prescelto.
1. **Pagamento e pianificazione**: dopo aver completato il pagamento anticipato, lo stato del piano diventa `Scheduled`.
Fasi per gli utenti del piano e gli ingegneri di ML:
1. **Allocazione delle risorse**: utilizza il tuo piano per mettere in coda i lavori di formazione sull' SageMaker intelligenza artificiale o allocarli a un SageMaker HyperPod gruppo di istanze del cluster.
1. **Attivazione**: quando viene raggiunta la data di inizio del piano, lo stato diventa `Active`. In base alla capacità riservata disponibile, i piani di SageMaker formazione avviano automaticamente i lavori di formazione o forniscono gruppi di istanze.
**Nota**
Lo stato del piano di addestramento passa da `Scheduled` a `Active` quando inizia un periodo di capacità riservata, quindi torna a `Scheduled` durante l’intervallo di attesa prima dell’inizio del periodo di capacità riservata successivo.
I seguenti diagrammi forniscono una panoramica completa del modo in cui i piani di SageMaker formazione interagiscono tra loro[target resources](#training-plans-target-resources), illustrando il ciclo di vita di un piano e il suo ruolo nell'allocazione delle risorse sia per i lavori di formazione che per i cluster. SageMaker SageMaker HyperPod
+ **Piani di SageMaker formazione per Training Job**: il primo diagramma illustra il end-to-end flusso di lavoro dell'interazione tra un piano di formazione e Training SageMaker Job.
![\[Fatturazione, prenotazione della capacità con piani di formazione e SageMaker Training Job. Illustrazione del ciclo di vita del piano di addestramento e degli stati dei job di addestramento gestiti da amministratori e ingegneri di ML.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-training-plan-for-training-jobs.png)
+ **Piani di formazione per SageMaker HyperPod cluster**: il secondo diagramma illustra il end-to-end flusso di lavoro dell'interazione tra un piano di formazione e un gruppo di istanze. SageMaker HyperPod
![\[Fatturazione, prenotazione della capacità con piani di addestramento e flusso di lavoro per la gestione dei gruppi di istanze. Illustrazione del ciclo di vita del piano di addestramento e degli stati dei gruppi di istanze gestiti da amministratori e ingegneri di ML.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-training-plan-for-hyperpod.png)
## Tipi di istanze supportati e prezzi Regioni AWS
I piani di addestramento supportano le prenotazioni per questi specifici tipi di istanze ad alte prestazioni, ciascuno disponibile in Regioni AWS selezionate:
+ **ml.p4d.24xlarge**
+ **ml.p5.48xlarge**
+ **ml.p5e.48xlarge**
+ **ml.p5en.48xlarge**
+ **ml.trn1.32xlarge**
+ **ml.trn2.48xlarge**
+ **ml.p6-b200.48xlarge**
+ **ml.c6i-32xlargesc**
**UltraServers**
+ **ml.p6e-gb200.36xlarge**
+ **ml.p6e-gb200.72xlarge**
**Nota**
La disponibilità dei tipi di istanze può cambiare nel tempo. Per la maggior parte delle up-to-date informazioni sui tipi di istanze disponibili in base alla regione e sui rispettivi prezzi, consulta la sezione [SageMaker Prezzi](https://aws.amazon.com/sagemaker-ai/pricing/). Scorri verso il basso fino alla sezione **Piani di formazione SageMaker HyperPod flessibili di Amazon** nella sezione **Prezzi on Demand**. Seleziona una Regione per visualizzare l’elenco dei tipi di istanze disponibili.
La disponibilità in più Regioni consente di scegliere la posizione più adatta per i carichi di lavoro, prendendo in considerazione fattori quali i requisiti di residenza dei dati e la vicinanza ad altri servizi AWS .
**Importante**
Puoi utilizzare i piani di SageMaker formazione per prenotare le istanze con le seguenti opzioni di durata e quantità di istanze.
Le durate delle prenotazioni sono disponibili in incrementi di 1 giorno e vanno da 1 a 182 giorni.
Opzioni relative al numero di istanze della prenotazione: 1, 2, 4, 8, 16, 32 o 64.
Assicurati che i Training Jobs o le quote di HyperPod servizio consentano un numero massimo di istanze per tipo di istanza superiore al numero di istanze specificato nel piano. Per visualizzare le quote correnti o richiedere un aumento della quota, consulta [Visualizza le quote dei piani di SageMaker formazione utilizzando la console di gestione AWS](training-plan-quotas.md).
## UltraServers nell'intelligenza artificiale SageMaker
UltraServers nell' SageMaker IA offrono una serie di istanze interconnesse tramite un dominio di rete ad elevata larghezza di banda. Ad esempio, il P6e- GB200 UltraServer collega fino a 18 `p6e-gb200.36xlarge` istanze in un dominio NVIDIA. NVLink Con 4 NVIDIA Blackwell GPUs per istanza, ogni P6e- ne GB200 UltraServer supporta 72 GPUs, quindi puoi eseguire i tuoi carichi di lavoro AI più grandi con prestazioni elevate sull'intelligenza artificiale. SageMaker
Quando si utilizza UltraServers con l' SageMaker intelligenza artificiale, si ottengono prestazioni combinate con l'infrastruttura gestita dell' SageMaker IA, le funzionalità integrate di resilienza ai guasti, le funzionalità di monitoraggio integrate e l'integrazione nativa con altri servizi e intelligenza artificiale. SageMaker AWS Questa integrazione ti consente di concentrarti sullo sviluppo e sull'implementazione dei modelli, mentre l' SageMaker intelligenza artificiale si occupa della gestione indifferenziata dell'infrastruttura di intelligenza artificiale.
**Nota**
UltraServers sono disponibili solo nella zona locale di Dallas (us-east-1-dfw-2a), che è un'estensione della regione Stati Uniti orientali (Virginia settentrionale). [Per ulteriori informazioni, vedi Guida introduttiva a s Zona locale AWS](https://docs.aws.amazon.com/local-zones/latest/ug/getting-started.html)
### Considerazioni
Quando utilizzi UltraServers l' SageMaker intelligenza artificiale, considera quanto segue:
+ Puoi utilizzarlo sia UltraServers [ SageMaker HyperPod](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-hyperpod.html)per lavori di formazione che per [lavori di SageMaker formazione](https://docs.aws.amazon.com/sagemaker/latest/dg/train-model.html).
+ È possibile acquistare UltraServers solo unità complete. Per ulteriori informazioni sull'istanza e sui prezzi, consulta i piani di formazione SageMaker HyperPod flessibili di [Amazon nei prezzi di Amazon SageMaker AI](https://aws.amazon.com/sagemaker-ai/pricing/).
+ Se utilizzi UltraServers with HyperPod, aggiunge HyperPod automaticamente etichette topologiche alle tue risorse per aiutarti con l'allocazione delle risorse. Per ulteriori informazioni, consulta [Usare la pianificazione basata sulla topologia in Amazon. SageMaker HyperPod](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-hyperpod-topology.html)
+ SageMaker IA e UltraServers offrono diverse funzionalità che migliorano la resilienza dei carichi di lavoro, tra cui controlli preventivi e rilevamento e mitigazione automatici dei guasti. A seconda del problema, l' SageMaker intelligenza artificiale può eseguire azioni per ripristinare i carichi di lavoro, come il riavvio delle istanze, la sostituzione delle istanze fallite con quelle di riserva e la sostituzione delle istanze non riuscite. UltraServers
+ Per una maggiore resilienza, puoi configurare le istanze all'interno di un file da utilizzare come unità di riserva. UltraServer Mantenere un'istanza di riserva all'interno del UltraServer sistema garantisce che l' SageMaker IA possa rispondere rapidamente a un guasto dell'istanza, riducendo al minimo l'impatto sul lavoro. Ti consigliamo di conservare un'istanza di riserva per istanza. UltraServer Non è necessario riservare alcuna istanza di riserva, ma in questo caso si limitano le opzioni di supporto e si rallenta il ripristino in caso di problemi. UltraServers Acquistate all'ingrosso, quindi il numero di pezzi di ricambio che prenotate non influisce sul prezzo.
+ Per visualizzare lo stato e le istanze all'interno di un UltraServer, utilizza l'operazione [ ListTrainingPlans](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html)API o la AWS console per visualizzare i piani di formazione. Con questi strumenti, puoi visualizzare il numero totale di istanze disponibili, le istanze attualmente in uso, le istanze non integre, il numero di unità di riserva configurate e altre informazioni. Gli stati di integrità possibili sono `ok`, `impaired` e `insufficient-data`.
## SageMaker piani di formazione (comportamento di ricerca)
Quando si cerca un'offerta di piani di formazione, i piani di SageMaker formazione utilizzano il seguente approccio per massimizzare la disponibilità delle risorse e la flessibilità per gli utenti, anche quando la domanda è elevata e i blocchi di capacità riservata sono scarsi:
+ **Ricerca continua iniziale**: i piani di SageMaker formazione cercano innanzitutto di trovare un singolo blocco continuo di capacità riservata che corrisponda alla durata specificata entro le date di inizio e fine, soddisfacendo al contempo tutti gli altri criteri specificati, tra cui la risorsa di destinazione, il tipo di istanza richiesta e il numero di istanze.
+ **Ricerca a due blocchi**: i piani di SageMaker formazione non restituiscono il risultato «nessuna capacità» se non è disponibile un singolo blocco di capacità riservata continuo che soddisfa tutti i criteri. Provano invece a rispondere automaticamente alla richiesta utilizzando due blocchi di capacità riservata separati, suddividendo la durata totale in due segmenti temporali.
Questo approccio a due blocchi offre una maggiore flessibilità nell’allocazione delle risorse perché rende possibile ottenere istanze ad alta richiesta che altrimenti non sarebbero disponibili.
**Nota**
SageMaker i piani di formazione restituiscono fino a tre offerte di uno o due segmenti. Ad esempio, per un piano di 48 ore, i piani di SageMaker formazione potrebbero offrire un piano con due blocchi di 24 ore, un blocco continuo di 48 ore e due blocchi con durata non uniforme.
## Considerazioni
**Importante**
I piani di addestramento non possono essere modificati una volta acquistati.
I piani di formazione non possono essere condivisi tra più AWS account o all'interno dell'organizzazione. AWS
+ Durante la ricerca di offerte di piani di formazione, i piani di SageMaker formazione adattano la propria strategia di ricerca in base a: [target resources](#training-plans-target-resources)
**Per SageMaker HyperPod ** i cluster:
+ Le offerte sono limitate a una singola zona di disponibilità (AZ).
+ Questo garantisce prestazioni di rete e localizzazione dei dati coerenti all’interno del cluster.
**Per i lavori SageMaker di formazione**:
+ Le offerte possono essere distribuite su più zone di disponibilità.
+ Questo è particolarmente importante quando l’offerta del piano contiene più capacità riservate discontinue.
+ Ad esempio, un piano potrebbe includere la capacità in AZ-A per un blocco di capacità riservata e AZ-B per un altro. SageMaker i piani di formazione possono spostare automaticamente i carichi di lavoro tra le zone di disponibilità (AZs) in base alla disponibilità delle risorse.
Questo approccio Multi-AZ per i job di addestramento offre maggiore flessibilità nell’allocazione delle risorse, aumentando le possibilità di trovare la capacità adeguata per il carico di lavoro. Tuttavia, tieni presente che i tuoi lavori potrebbero svolgersi in modo diverso AZs durante le diverse fasi del periodo di prenotazione.
+ Quando viene proposta un’offerta in due blocchi, gli utenti devono valutare attentamente se questa allocazione suddivisa soddisfa i requisiti dei propri carichi di lavoro. Potrebbe essere necessario un adeguamento della pianificazione dei processi o della distribuzione dei carichi di lavoro per tenere conto della natura non continua della prenotazione.
# IAM per i piani SageMaker di formazione
SageMaker i piani di formazione richiedono autorizzazioni specifiche per due ruoli distinti:
1. **Ruolo di creatore del piano**: gli utenti a cui è assegnato il ruolo di *Creatore del piano* necessitano delle autorizzazioni per cercare le offerte dei piani di addestramento, creare nuovi piani di addestramento ed elencare e descrivere i piani di addestramento.
1. **Pianifica il ruolo utente**: gli utenti con il ruolo *Plan User* richiedono le autorizzazioni per utilizzare i piani di formazione nei lavori di SageMaker formazione o durante la creazione e l'aggiornamento dei SageMaker HyperPod cluster.
Prima di utilizzare i piani SageMaker di formazione, aggiorna le autorizzazioni in base al metodo di accesso:
+ Per i Console di gestione AWS nostri SageMaker SDKs utenti: aggiorna le autorizzazioni del ruolo IAM configurato per l'utente della console o l'utente dell'API.
+ Per AWS CLI gli utenti: assicurati che il tuo AWS CLI profilo sia configurato correttamente con le credenziali e le autorizzazioni appropriate.
+ Per gli utenti dell'applicazione Studio JupyterLab, ad esempio, impostate le autorizzazioni sul ruolo di esecuzione associato allo spazio utilizzato dall'applicazione.
Puoi impostare queste autorizzazioni utilizzando una policy gestita o autorizzazioni individuali più granulari.
Per informazioni su come aggiornare la policy di autorizzazione per un ruolo, consulta [Aggiornamento delle autorizzazioni per un ruolo](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_update-role-permissions.html). Per informazioni su come trovare e aggiornare un ruolo di esecuzione, consulta [Acquisizione del ruolo di esecuzione](sagemaker-roles.md#sagemaker-roles-get-execution-role).
**Nota**
Gli amministratori devono valutare attentamente quali utenti devono poter creare i piani di addestramento e assegnare le autorizzazioni di conseguenza.
## Policy gestite
+ Per i creatori di piani: [https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerTrainingPlanCreateAccess.html](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerTrainingPlanCreateAccess.html) fornisce l’accesso per creare e gestire i piani di addestramento.
+ Per gli utenti del piano: [https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerFullAccess.html](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerFullAccess.html) include le autorizzazioni per utilizzare i piani di addestramento.
**Nota**
La politica `AmazonSageMakerFullAccess` gestita è concepita come ease-of-use politica principalmente a scopo di sperimentazione. Sebbene fornisca un ampio accesso alle funzionalità di SageMaker intelligenza artificiale, incluso l'uso di piani di formazione, è importante notare:
Questa policy non è consigliata per gli ambienti di produzione a causa delle sue autorizzazioni globali.
Non include le autorizzazioni per la creazione di piani di addestramento, perché `CreateTrainingPlan` è considerata un’azione amministrativa che richiede un pagamento anticipato.
Per i casi d’uso di produzione, consigliamo vivamente di creare policy personalizzate che rispettino il principio del privilegio minimo, concedendo solo le autorizzazioni specifiche richieste per ogni ruolo.
## Autorizzazioni individuali
L'elenco seguente descrive in dettaglio le autorizzazioni granulari che devono essere impostate nelle dichiarazioni politiche IAM relative a un ruolo, in base alle azioni specifiche che un utente deve eseguire con i piani di SageMaker formazione:
### Elenco delle autorizzazioni per i piani di addestramento
+ `SearchTrainingPlanOfferings`: questa autorizzazione consente agli utenti di cercare le offerte dei piani di addestramento disponibili.
```
{
"Sid": "SearchTrainingPlanOfferingsPermissions",
"Effect": "Allow",
"Action": [
"sagemaker:SearchTrainingPlanOfferings"
],
"Resource": "*"
}
```
+ `CreateTrainingPlan`: questa autorizzazione consente agli utenti di creare nuovi piani di addestramento.
**Nota**
Devi includere inoltre le autorizzazioni per `CreateReservedCapacity` e `AddTags`, nonché specificare entrambi i tipi di risorse `training-plan` e `reserved-capacity`.
```
{
"Sid": "CreateTrainingPlanPermissions",
"Effect": "Allow",
"Action": [
"sagemaker:CreateTrainingPlan",
"sagemaker:CreateReservedCapacity",
"sagemaker:AddTags"
],
"Resource": [
"arn:aws:sagemaker:*:*:training-plan/*",
"arn:aws:sagemaker:*:*:reserved-capacity/*"
]
}
```
+ `DescribeTrainingPlan`: questa autorizzazione consente agli utenti di visualizzare i dettagli dei piani di addestramento esistenti.
```
{
"Sid": "DescribeTrainingPlanPermissions",
"Effect": "Allow",
"Action": [
"sagemaker:DescribeTrainingPlan"
],
"Resource": [
"arn:aws:sagemaker:::training-plan/*"
]
}
```
+ `ListTrainingPlans`: Questa autorizzazione consente agli utenti di elencare tutti i piani di formazione nel proprio AWS account.
```
{
"Sid": "ListTrainingPlansPermissions",
"Effect": "Allow",
"Action": [
"sagemaker:ListTrainingPlans"
],
"Resource": "*"
}
```
### Autorizzazioni individuali per tipo di utente
Questa sezione fornisce un’analisi dettagliata delle autorizzazioni individuali richieste per ogni ruolo, come indicato nella sezione [IAM per i piani SageMaker di formazione](#training-plan-iam-permissions).
Per i creatori del piano, sono necessarie le autorizzazioni seguenti:
+ `sagemaker:SearchTrainingPlanOfferings`
+ `sagemaker:CreateTrainingPlan`
+ `sagemaker:CreateReservedCapacity`
+ `sagemaker:AddTags`
+ `sagemaker:DescribeTrainingPlan`
+ `sagemaker:ListTrainingPlans`
Gli utenti del piano richiedono queste autorizzazioni:
+ `sagemaker:CreateTrainingJob`(per SageMaker Training Job)
+ `sagemaker:CreateCluster`e `sagemaker:UpdateCluster` (per SageMaker HyperPod)
+ Accesso alle `reserved-capacity` risorse `training-plan` e alle risorse; quando configuri le politiche IAM per i piani di SageMaker formazione, includi le autorizzazioni sia per le risorse che per `training-plan` le `reserved-capacity` risorse. Queste risorse sono necessarie sia per i lavori di SageMaker formazione che per i cluster. SageMaker HyperPod Ciò consente ai ruoli IAM di interagire con le risorse dei piani di SageMaker formazione e gestire la capacità riservata.
+ Per i lavori di SageMaker formazione, assicurati che la tua politica includa le `"arn:aws:sagemaker:::reserved-capacity/"` risorse `"arn:aws:sagemaker:::training-plan/"` e ARNs.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"sagemaker:CreateTrainingJob"
],
"Resource": [
"arn:aws:sagemaker:us-east-2:111122223333:training-job/",
"arn:aws:sagemaker:us-east-2:111122223333:training-plan/",
"arn:aws:sagemaker:us-east-2:111122223333:reserved-capacity/*"
]
}
]
}
```
------
Analogamente, per SageMaker HyperPod le configurazioni, includetele ARNs in aggiunta alle risorse specifiche del cluster.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"sagemaker:CreateCluster",
"sagemaker:UpdateCluster"
],
"Resource": [
"arn:aws:sagemaker:us-east-2:111122223333:cluster/",
"arn:aws:sagemaker:us-east-2:111122223333:training-plan/",
"arn:aws:sagemaker:us-east-2:111122223333:reserved-capacity/*"
]
}
]
}
```
------
# Creazione dei piani di addestramento
Per riservare la capacità di calcolo utilizzando la funzionalità dei piani di SageMaker formazione, procedi nel seguente modo:
1. **Identifica la risorsa di destinazione:** inizia determinando se hai bisogno di capacità per SageMaker corsi di formazione o SageMaker HyperPod cluster.
1. **Specifica i requisiti di capacità:** definisci in dettaglio le tue esigenze in termini di capacità. Questo prevede la selezione del tipo di istanza appropriato per il carico di lavoro, la determinazione del numero di istanze necessarie e la specifica della durata di utilizzo. Per informazioni sui tipi di istanze supportati in una determinata opzione Regione AWS, di durata e di quantità, consulta[Tipi di istanze supportati e prezzi Regioni AWS](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions).
1. **Cerca le offerte di piani di formazione disponibili:** una volta specificati i requisiti, utilizza la funzionalità di ricerca dei piani di SageMaker formazione per trovare le offerte di piani di formazione disponibili in uno o più segmenti. Ogni offerta include dettagli quali l’ora di inizio, la specifica zona di disponibilità per la capacità riservata e il prezzo del piano. Esamina queste offerte, considerando fattori come la convenienza, le preferenze geografiche e l’allineamento alle tue esigenze specifiche.
Se non è disponibile un piano adatto, modifica i criteri di ricerca e cerca una nuova serie di offerte.
1. **Crea un piano di addestramento basato su un’offerta adatta:** dopo aver identificato un’offerta adatta, procedi con la creazione del tuo piano di addestramento. Questo processo prevede la selezione dell’offerta scelta e l’avvio della prenotazione.
+ La prenotazione del piano di addestramento crea una fattura.
+ Il pagamento dell’importo totale viene riscosso durante il processo di evasione dell’ordine. Una volta completato il pagamento, il piano è pronto per la pianificazione dei lavori di formazione o la creazione di cluster. SageMaker HyperPod
Per informazioni su come utilizzare i piani di formazione per i tuoi lavori di SageMaker formazione, consulta. [Utilizzo dei piani di formazione per lavori di SageMaker formazione](training-plan-utilization-for-training-jobs.md)
Per ulteriori informazioni su come utilizzare i piani di formazione per HyperPod i cluster, consulta[Utilizzo dei piani di formazione per i cluster Amazon SageMaker HyperPod](training-plan-utilization-for-hyperpod.md).
Puoi creare un piano di allenamento utilizzando la console SageMaker AI o metodi programmatici. La console SageMaker AI offre un'interfaccia grafica e visiva con una visione completa delle opzioni disponibili, mentre la creazione programmatica può essere effettuata utilizzando l'API dei piani di formazione AWS CLI o SageMaker SDKs interagendo direttamente con essa.
Per le istruzioni step-by-step sulla console e i riferimenti dettagliati alle API, consulta le rispettive sezioni di questa documentazione.
**Topics**
+ [SageMaker creazione di piani di allenamento utilizzando la console SageMaker AI](training-plan-creation-using-console.md)
+ [SageMaker creazione di piani di formazione utilizzando l' SageMaker API, oppure AWS CLI](training-plan-creation-using-api-cli-sdk.md)
# SageMaker creazione di piani di allenamento utilizzando la console SageMaker AI
SageMaker i piani di formazione offrono un modo conveniente per creare piani di formazione tramite l'interfaccia utente della console SageMaker AI, consentendo agli utenti di pianificare facilmente le proprie risorse di formazione sull'apprendimento automatico. Questa guida illustra il processo di creazione di un piano di formazione per la SageMaker formazione di lavori e SageMaker HyperPod cluster utilizzando la console SageMaker AI. Con queste fasi, cercherai le offerte dei piani di addestramento, esaminerai le opzioni disponibili e acquisterai il piano più adatto alle tue esigenze.
Per creare visivamente un piano di addestramento con un’interfaccia utente:
1. Inizia accedendo alla console SageMaker AI all'indirizzo. [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)
1. Scegli **Piani di addestramento** nel menu del riquadro a sinistra.
1. Qui, scegli il pulsante **Crea piano di addestramento** nell’area dei contenuti principale per avviare il processo di impostazione della pianificazione di addestramento personalizzata.
![\[SageMaker Console AI che mostra la pagina dei piani di allenamento. L’interfaccia mostra informazioni su come funzionano i piani di addestramento, incluse le fasi per richiedere, monitorare e utilizzare un piano. Il riquadro di navigazione a sinistra evidenzia l’opzione “Piani di addestramento” e il pulsante “Crea piano di addestramento” è visibile nell’area dei contenuti principale.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-console.png)
A questo punto, cerca le offerte dei piani che soddisfano i tuoi requisiti di calcolo.
**Topics**
+ [Ricerca delle offerte dei piani di addestramento](search-training-plan-offerings.md)
+ [Prenotazione del piano di addestramento ottimale](choose-best-training-plan.md)
+ [Elenco dei piani di addestramento](list-training-plans.md)
+ [Visualizzazione dei dettagli del piano di addestramento](training-plan-details.md)
# Ricerca delle offerte dei piani di addestramento
Dopo aver scelto **Piani di allenamento** nel riquadro sinistro della console SageMaker AI e quindi **Crea piano di allenamento**, viene visualizzato il modulo **Trova piano di allenamento**. Questo modulo consente di specificare i requisiti e cercare le offerte dei piani di addestramento ottimali.
Segui questa procedura per compilare il modulo:
1. Identifica la **destinazione**: i piani di addestramento sono specifici per la risorsa di destinazione. Specificate se desiderate utilizzare un piano per eseguire lavori o SageMaker HyperPod cluster di SageMaker formazione.
1. Per il **tipo di elaborazione**, puoi scegliere tra **Instance** o. **UltraServer** UltraServers connettono più istanze Amazon EC2 utilizzando un'interconnessione acceleratrice a bassa latenza e larghezza di banda elevata. Per ulteriori informazioni, consulta [Amazon EC2 UltraServers](https://aws.amazon.com/ec2/ultraservers/). Per ulteriori informazioni su come utilizzare l'intelligenza artificiale, consulta. UltraServers SageMaker [UltraServers nell'intelligenza artificiale SageMaker](reserve-capacity-with-training-plans.md#training-plans-ultraservers)
1. Scegli il **tipo di istanza** e il **numero di istanze** che preferisci: per i tipi di istanze disponibili in un determinato periodo Regione AWS, tra cui le opzioni relative alla durata e alla quantità, consulta[Tipi di istanze supportati e prezzi Regioni AWS](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions).
1. Definisci i parametri temporali: scegli le date di inizio e fine desiderate e specifica la durata del piano all’interno di questa finestra.
1. Scegli **Trova piani di addestramento**.
![\[SageMaker Console AI che mostra la pagina delle offerte dei piani di formazione di Search. L'interfaccia mostra le opzioni per selezionare la risorsa di destinazione per il piano (Training job o HyperPod cluster), specificare il tipo e il numero di istanze, impostare le date di inizio e fine e la durata dell'input. Il pulsante Trova piani di addestramento è visibile nella parte inferiore del modulo.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-search-training-plan-offerings.png)
SageMaker i piani di formazione cercano le offerte che soddisfano i requisiti di capacità. Le corrispondenze trovate nell’intervallo di tempo specificato vengono visualizzate nella parte inferiore della pagina. Ogni offerta del piano di addestramento include i seguenti dettagli:
+ Durata totale del piano
+ Date di inizio e fine
+ Prezzo anticipato totale:
Passa il mouse sul prezzo per visualizzare la ripartizione dettagliata della tariffa oraria dell’istanza, del numero di istanze e delle ore totali
+ Il numero totale dei segmenti del piano
Facendo clic sul link relativo ai dettagli del segmento si apre una visualizzazione modale con dettagli specifici del segmento:
+ Durata
+ Date di inizio e fine
+ Availability zone (Zona di disponibilità)
![\[SageMaker La console di intelligenza artificiale mostra la pagina Cerca offerte di piani di formazione con campi di immissione per i requisiti del piano e la sezione Piani disponibili che mostra i dettagli di tre piani trovati con durate, prezzi e stato di disponibilità diversi.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-available-offerings.png)
Se non viene trovato alcun piano adatto o se i piani disponibili non soddisfano le tue esigenze, modifica i criteri di ricerca cambiando i parametri nel modulo **Requisiti dei piani di addestramento**. Una volta trovata l’offerta adatta, selezionala e scegli **Avanti** per passare alla pagina di prenotazione del piano. In questa pagina puoi assegnare un nome al piano e quindi puoi rivedere e confermare la selezione prima di finalizzare la prenotazione.
**Nota**
I piani contrassegnati con `Immediately available` vengono avviati entro 30 minuti, a condizione che il pagamento venga completato non meno di 5 minuti prima dell’orario di inizio previsto.
# Prenotazione del piano di addestramento ottimale
La ricerca di un piano di addestramento ha restituito offerte adatte alle tue esigenze di capacità e al tuo budget.
1. Immetti un nome per il piano, quindi scegli **Avanti**.
1. Esamina e **Invia** l’ordine d’acquisto.
**Importante**
I piani di addestramento non possono essere modificati una volta acquistati.
I piani di formazione non possono essere condivisi tra più AWS account o all'interno dell'organizzazione. AWS
Dopo aver inviato l’ordine
+ Il piano di addestramento appare inizialmente come `Pending` nell’elenco dei piani di addestramento.
+ Una fattura viene generata automaticamente alla ricezione dell’ordine.
+ Il pagamento totale viene riscosso durante il processo di evasione dell’ordine.
+ Una volta che il pagamento è stato elaborato correttamente, lo stato del piano cambia in `Scheduled` e il piano può essere utilizzato.
![\[SageMaker Console AI che mostra la pagina «Rivedi e acquista» per un piano di allenamento. La pagina mostra i dettagli del piano di addestramento, le informazioni sui segmenti, il prezzo, il nome del piano e i tag. Sono disponibili opzioni per modificare, annullare, tornare indietro o creare il piano.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-review-and-purchase-training-plan.png)
# Elenco dei piani di addestramento
Per visualizzare i tuoi piani di addestramento:
1. Vai alla console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Scegli **Piani di addestramento** nel menu del riquadro a sinistra. Viene visualizzato un elenco di tutti i piani di addestramento, inclusi i nomi, lo stato, il tipo di risorsa di destinazione e altri dettagli chiave.
Dopo aver acquistato un piano, verrà visualizzato questo elenco. I piani appena creati vengono visualizzati con stato `Pending` fino al completamento del pagamento. Lo stato in genere viene aggiornato entro pochi minuti dall’elaborazione del pagamento.
![\[SageMaker Console AI che mostra la pagina con l'elenco dei piani di allenamento. La pagina include una tabella che elenca i piani di addestramento con dettagli come nome, stato, numero totale di istanze, istanze in uso, zona, data di inizio e data di fine. È visibile un pulsante per creare un nuovo piano di addestramento.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-list-training-plans.png)
# Visualizzazione dei dettagli del piano di addestramento
Dall’elenco dei piani di addestramento, segui il nome di un piano per visualizzarne i dettagli. In particolare, puoi controllare l’utilizzo attuale della capacità ed elencare i carichi di lavoro nella pagina dei dettagli del piano.
La pagina dei dettagli mostra:
+ Una panoramica del piano di addestramento: stato, destinazione, tipo di istanza e durata.
+ Sezioni espandibili per i dettagli sul segmento, i prezzi, il nome del piano e i tag.
+ Utilizzo della capacità:
+ Totale: numero totale di istanze riservate in questo piano di addestramento.
+ In uso: numero di istanze attualmente utilizzate in questo piano di addestramento.
+ Istanze disponibili: numero di istanze attualmente disponibili in questo piano di addestramento.
Nella parte inferiore della pagina, un collegamento consente di visualizzare i lavori di formazione o l'elenco dei gruppi di istanze di SageMaker HyperPod cluster associati a questo piano, a seconda della risorsa di destinazione.
![\[SageMaker Pagina della console AI che mostra i dettagli di un piano di allenamento. La pagina mostra le informazioni di base sul piano, lo stato e i dettagli dell’istanza. Di seguito sono riportate le sezioni espandibili che visualizzano ulteriori dettagli. Nella parte inferiore, una sezione sull’utilizzo della capacità mostra le istanze totali, in uso e disponibili per il piano.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-view-training-plan.png)
# SageMaker creazione di piani di formazione utilizzando l' SageMaker API, oppure AWS CLI
SageMaker i piani di formazione supportano la creazione programmatica di piani di formazione tramite la relativa API. Puoi interagire con l'API dei piani di formazione utilizzando AWS CLI o SageMaker SDKs.
SageMaker Le azioni API dei piani di formazione forniscono un flusso di lavoro completo per la gestione programmatica dei piani di formazione:
+ **`SearchTrainingPlanOfferings`:** consente agli utenti di eseguire query e rilevare le risorse di calcolo disponibili specificando parametri come il tipo di istanza, il conteggio e la finestra temporale desiderati. L’API restituisce un elenco classificato di offerte dei piani di addestramento più rispondenti ai requisiti dell’utente.
+ **`CreateTrainingPlan`:** consente di riservare una specifica offerta del piano di addestramento, trasformando una potenziale capacità di calcolo in capacità riservata programmata con un ARN del piano di addestramento univoco.
+ **`ListTrainingPlans`:** fornisce un metodo per recuperare e rivedere tutti i piani di formazione esistenti nell' AWS account di un utente, con funzionalità opzionali di filtraggio e ordinamento.
+ **`DescribeTrainingPlan`:** offre informazioni approfondite su un piano di addestramento specifico, comprese le fasi del ciclo di vita da `Pending` a `Active` a `Expired`.
+ **`ExtendTrainingPlan`:** estende un piano di formazione esistente acquistando un'offerta di estensione. Per ulteriori informazioni, consulta [Estensione dei piani di formazione](training-plan-extension.md).
+ **`DescribeTrainingPlanExtensionHistory`:** recupera la cronologia delle estensioni per un piano di allenamento. Per ulteriori informazioni, consulta [Estensione dei piani di formazione](training-plan-extension.md).
**Topics**
+ [Ricerca delle offerte dei piani di addestramento](search-training-plan-offerings-api-cli-sdk.md)
+ [Prenotazione del piano di addestramento ottimale](choose-best-training-plan-using-api-cli-sdk.md)
+ [Elenco dei piani di addestramento](list-training-plans-using-api-cli-sdk.md)
+ [Visualizzazione dei dettagli del piano di addestramento](training-plan-details-using-api-cli-sdk.md)
# Ricerca delle offerte dei piani di addestramento
Per creare un piano di addestramento, inizia chiamando l’operazione API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) e inserendo i requisiti del piano (ad esempio, il tipo di istanza, il conteggio e la finestra temporale desiderata) come parametri di input. I piani di addestramento sono specifici per la risorsa di destinazione. Assicurati di specificare per quale risorsa di destinazione verrà utilizzato il piano (`training-job` o `hyperpod-cluster`). L’API restituisce un elenco delle offerte disponibili che corrispondono ai requisiti impostati. Se non vengono trovate offerte adatte, potrebbe essere necessario modificare i requisiti ed effettuare nuovamente la ricerca.
Questa chiamata API recupera le offerte dei piani di addestramento più rispondenti alle tue esigenze di capacità. Ogni [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html) restituito nella risposta viene identificato da un ID di offerta univoco. La prima offerta dell’elenco rappresenta la soluzione più rispondente alle tue esigenze. Se non è disponibile un piano di addestramento adeguato all’interno delle date specificate, l’elenco sarà vuoto. Modifica i criteri di ricerca e cerca una nuova serie di offerte.
+ Le durate delle prenotazioni sono disponibili in incrementi di 1 giorno e vanno da 1 a 182 giorni.
+ Opzioni relative al numero di istanze della prenotazione: 1, 2, 4, 8, 16, 32 o 64.
Per ulteriori informazioni sull'elenco delle istanze disponibili supportate dai piani di SageMaker formazione, consulta. [Tipi di istanze supportati e prezzi Regioni AWS](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)
L'esempio seguente utilizza un AWS CLI comando per richiedere offerte di piani di formazione con informazioni specifiche sul tipo di istanza, sul conteggio e sull'ora.
```
# List training plan offerings with instance type, instance count, duration in hours, start time after, and end time before.
aws sagemaker search-training-plan-offerings \
--target-resources "training-job" \
--instance-type "ml.p4d.24xlarge" \
--instance-count 1 \
--duration-hours 15 \
--start-time-after "1737484800"
--end-time-before "1737657600"
```
Questo documento JSON è un esempio di risposta dall'API dei piani SageMaker di formazione. La risposta fornisce informazioni su diverse offerte dei piani di addestramento disponibili che soddisfano i requisiti di capacità specificati. Include tre offerte distinte con durate, tariffe anticipate e start/end orari diversi, tutte basate sullo stesso tipo di istanza e destinate ai lavori di formazione.
```
{
"TrainingPlanOfferings": [
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 15,
"DurationMinutes": 51,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 15,
"DurationMinutes": 51,
"StartTime": "2025-01-21T11:39:00-08:00",
"EndTime": "2025-01-22T03:30:00-08:00"
}
]
},
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 39,
"DurationMinutes": 51,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 39,
"DurationMinutes": 51,
"StartTime": "2025-01-21T11:39:00-08:00",
"EndTime": "2025-01-23T03:30:00-08:00"
}
]
},
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-01-21T11:08:27.704000-08:00",
"DurationHours": 24,
"DurationMinutes": 0,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"InstanceType": "ml.p4d.24xlarge",
"InstanceCount": 1,
"AvailabilityZone": "us-west-2a",
"DurationHours": 24,
"DurationMinutes": 0,
"StartTime": "2025-01-22T03:30:00-08:00",
"EndTime": "2025-01-23T03:30:00-08:00"
}
]
}
]
}
```
Di seguito è riportato un esempio di comando da utilizzare per cercare offerte di piani AWS CLI di formazione che includono. UltraServers
```
aws sagemaker search-training-plan-offerings \
--ultra-server-type ml.c6i-32xlargesc \
--ultra-server-count 1 \
--duration-hours 24 \
--target-resources hyperpod-cluster
--start-time-after "1737484800" \
--end-time-before "1737657600"
```
```
{
"TrainingPlanOfferings": [
{
"TrainingPlanOfferingId": "tpo-SHA-256-hash-value",
"TargetResources": [
"training-job"
],
"RequestedStartTimeAfter": "2025-07-21T16:59:25.760000+00:00",
"DurationHours": 24,
"DurationMinutes": 0,
"UpfrontFee": "0.24",
"CurrencyCode": "USD",
"ReservedCapacityOfferings": [
{
"ReservedCapacityType": "UltraServer",
"UltraServerType": "ml.u-p6e-gb200x72",
"UltraServerCount": 1,
"InstanceType": "ml.p6e-gb200.36xlarge",
"InstanceCount": 18,
"AvailabilityZone": "us-east-2a",
"DurationHours": 24,
"DurationMinutes": 0,
"StartTime": "2025-07-22T11:30:00+00:00",
"EndTime": "2025-07-23T11:30:00+00:00"
}
]
}
]
}
```
Le sezioni seguenti definiscono i parametri di richiesta di input obbligatori e facoltativi per l’operazione API `SearchTrainingPlanOfferings`.
## Parametri obbligatori
Quando chiami l’API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) per elencare le offerte dei piani di addestramento che soddisfano i tuoi requisiti, devi fornire i seguenti valori:
+ `TargetResources`: le risorse di destinazione (`training-job` o `hyperpod-cluster`) per le quali verrà utilizzato il piano. Il valore predefinito è `training-job`. I piani di addestramento sono specifici per la risorsa di destinazione.
+ Un piano di formazione progettato per i lavori di SageMaker formazione può essere utilizzato solo per pianificare ed eseguire lavori di formazione.
+ Un piano di formazione per HyperPod i cluster può essere utilizzato esclusivamente per fornire risorse di calcolo al gruppo di istanze di un cluster.
+ `InstanceType`: il tipo di istanza da allocare. `InstanceType` deve essere un tipo supportato.
Per maggiori informazioni sull'elenco delle istanze disponibili supportate dai piani di SageMaker formazione, consulta. [Tipi di istanze supportati e prezzi Regioni AWS](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)
+ `InstanceCount`: il numero di istanze da allocare. Se il numero di istanze è maggiore di 1, deve essere una potenza di 2.
+ `DurationHour`: la durata totale del piano richiesto espressa in ore. `DurationHour` viene arrotondato per eccesso al multiplo di 24 più vicino.
## Parametri facoltativi
Le sezioni seguenti forniscono dettagli su alcuni parametri facoltativi che puoi passare alla richiesta API `SearchTrainingPlanOfferings`.
+ `StartTimeAfter`: specifica l’ora di inizio richiesta del piano. `StartTimeAfter` dovrebbe essere un valore `timestamp` o `ISO 8601 date/time` nel futuro.
+ `EndTimeBefore`: specifica l’ora di fine richiesta del piano in formato `timestamp` o `ISO 8601 date/time`. `EndTimeBefore` deve essere successivo di almeno 24 ore rispetto all’ora di inizio.
+ `UltraServerType`: Specificare il tipo di UltraServer oggetto da cercare. Per ulteriori informazioni su UltraServers, vedere[UltraServers nell'intelligenza artificiale SageMaker](reserve-capacity-with-training-plans.md#training-plans-ultraservers).
+ `UltraServerCount`: Specificare il numero UltraServers di elementi da cercare.
# Prenotazione del piano di addestramento ottimale
Dopo aver esaminato le offerte dei piani di addestramento disponibili più rispondenti alle tue esigenze, puoi prenotare un piano specifico chiamando l’operazione API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html). Una volta creato, il piano entra in stato `Pending` e vi resta fino al completamento del processo di prenotazione. La risposta alla chiamata API restituisce un nome della risorsa Amazon (ARN) del piano di addestramento. Prendi nota dell’ARN per le operazioni di tracciamento e monitoraggio successive. La prenotazione del piano di addestramento viene effettuata in modo asincrono nel backend. Il pagamento dell’importo totale viene riscosso automaticamente durante il processo di evasione dell’ordine. Dopo aver completato la transazione di pagamento e aver prenotato le capacità riservate richieste, il piano di addestramento viene impostato sullo stato `Scheduled` ed è pronto per la pianificazione.
**Importante**
I piani di addestramento non possono essere modificati una volta acquistati.
I piani di formazione non possono essere condivisi tra AWS account o all'interno AWS dell'organizzazione.
L'esempio seguente utilizza il AWS CLI comando an per richiedere un piano di allenamento specifico, passando l'ID del piano come parametro.
```
aws sagemaker create-training-plan \
--training-plan-offering-id "tpo-SHA-256-hash-value" \
--training-plan-name "name" \
```
Questo documento JSON è un esempio di risposta dell'API dei piani SageMaker di formazione. La risposta contiene il nome della risorsa Amazon (ARN) del piano di addestramento creato correttamente.
**Nota**
Il piano di addestramento rimane in stato `Pending` finché non viene completato il processo di evasione dell’ordine.
```
{
"TrainingPlanArn":"arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning"
}
```
Le sezioni seguenti definiscono i parametri di richiesta di input obbligatori e facoltativi per l’operazione API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html).
## Parametri obbligatori
Quando chiami l’API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) per prenotare un particolare piano di addestramento, devi fornire i seguenti valori:
+ `TrainingPlanOfferingId`: l’ID del piano che stai scegliendo. Puoi recuperare l’ID dell’offerta di un piano nella risposta alla tua chiamata API `SearchTrainingPlanOfferings`. L’ID dovrebbe iniziare con `pto-*`.
+ `TrainingPlanName`: il nome del piano che stai creando.
# Elenco dei piani di addestramento
Puoi elencare tutti i piani di allenamento che sono stati creati nel tuo AWS account e nella tua regione chiamando l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html)API.
L'esempio seguente utilizza un AWS CLI comando per recuperare l'elenco dei piani di allenamento.
```
aws sagemaker list-training-plans \
--start-time-after "2024-09-26T00:00:01.000Z"
```
Questo documento JSON è un esempio di risposta dell'API dei piani SageMaker di formazione. La risposta fornisce dettagli su un piano di addestramento creato e prenotato correttamente.
```
{
"[TrainingPlanSummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanSummary.html)": [
{
"AvailableInstanceCount": 2,
"CurrencyCode": "USD",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InUseInstanceCount": 2,
"[ReservedCapacitySummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ReservedCapacitySummary.html)": [
{
"AvailabilityZone": "string",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InstanceType": "ml.p5.48xlarge",
"ReservedCapacityArn": "arn:aws:sagemaker:us-east-1:123456789123:reserved-capacity/large-models-fine-tuning-rc1",
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"TotalInstanceCount": 4,
"UltraServerCount": 4,
"UltraServerType": "ml.p6e-gb200.36xlarge"
}
],
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"StatusMessage": "Payment confirmed, training plan scheduled."
"TargetResources": [ "training-job" ],
"TotalInstanceCount": 4,
"TotalUltraServerCount": 4,
"TrainingPlanArn": "arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning",
"TrainingPlanName": "large-models-fine-tuning",
"UpfrontFee": "xxxx.xx"
}
]
}
```
Le sezioni seguenti forniscono dettagli su alcuni parametri facoltativi che puoi passare alla richiesta API `ListTrainingPlans`.
## Parametri facoltativi
Le sezioni seguenti forniscono dettagli su alcuni parametri facoltativi che puoi passare alla richiesta API `ListTrainingPlans`.
+ `StartTimeAfter`: l’ora di inizio dell’intervallo di tempo effettivo dei piani elencati, specificata come `timestamp` o `ISO 8601 date/time`.
+ `StartTimeBefore`: l’ora di fine dell’intervallo di tempo effettivo dei piani elencati, specificata come `timestamp` o `ISO 8601 date/time`.
+ `Filters`: Criteri utilizzati per filtrare i risultati, con un massimo di 5 coppie nome-valore in cui «Nome» è il nome di un campo di a [TrainingPlanSummary](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanSummary.html)e «Valore» è il valore da considerare per il filtro. Ad esempio, `Name=Status,Value=Active`.
L'esempio seguente utilizza un AWS CLI comando per recuperare l'elenco dei piani di allenamento, utilizzando alcuni dei parametri opzionali sopra descritti.
```
aws sagemaker list-training-plans --max-results 10 --sort-by StartTime --sort-order Descending --start-time-after 13000000 --filters Name=Status,Value=Active
```
# Visualizzazione dei dettagli del piano di addestramento
Per monitorare lo stato o recuperare i dettagli di un piano di addestramento, puoi utilizzare l’API [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html). La risposta dell’API include un campo `Status` che riflette lo stato attuale del piano di addestramento:
+ Se l’acquisto del piano non riesce, lo stato viene impostato su `Failed`.
+ Una volta completato il pagamento, lo stato passa da `Pending` a `Scheduled`, in base alla data di inizio del piano.
+ Quando il piano raggiunge la data di inizio, lo stato cambia in `Active`.
+ Per i piani con più capacità riservate discontinue, lo stato torna su `Scheduled` tra un periodo di attività e l’altro, finché non viene raggiunta la data di inizio della capacità riservata successiva.
+ Dopo la data di fine del piano, lo stato diventa `Expired`.
Una volta raggiunto lo stato`Scheduled`, è possibile utilizzare la capacità riservata nel piano per i lavori di SageMaker formazione o i carichi di lavoro HyperPod del cluster.
**Nota**
I job di addestramento associati al piano rimangono nello stato `Pending` fino a quando il piano non diventa `Active`.
Per HyperPod i cluster che utilizzano un piano di formazione per la capacità di calcolo, lo stato del gruppo di istanze viene visualizzato come una volta creato. `InService`
L'esempio seguente utilizza un AWS CLI comando per recuperare i dettagli di un piano di allenamento in base al nome.
```
aws sagemaker describe-training-plan \
--training-plan-name "name"
```
Questo documento JSON è un esempio di risposta dall'API dei piani SageMaker di formazione. Questa risposta fornisce dettagli su un piano di addestramento creato correttamente.
```
{
"AvailableInstanceCount": 2,
"CurrencyCode": "USD",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InUseInstanceCount": 2,
"[ReservedCapacitySummaries](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ReservedCapacitySummary.html)": [
{
"AvailabilityZone": "string",
"DurationHours": 48,
"DurationMinutes": 0,
"EndTime": "2024-09-28T04:30:00-07:00",
"InstanceType": "ml.p5.48xlarge",
"ReservedCapacityArn": "arn:aws:sagemaker:us-east-1:123456789123:reserved-capacity/large-models-fine-tuning-rc1",
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"TotalInstanceCount": 4,
"UltraServerCount": 4,
"UltraServerType": "ml.p6e-gb200.36xlarge"
}
],
"StartTime": "2024-09-26T04:30:00-07:00",
"Status": "Scheduled",
"StatusMessage": "Payment confirmed, training plan scheduled."
"TargetResources": [ "training-job" ],
"TotalInstanceCount": 4,
"TotalUltraServerCount": 4,
"TrainingPlanArn": "arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning",
"TrainingPlanName": "large-models-fine-tuning",
"UpfrontFee": "xxxx.xx"
}
```
Le sezioni seguenti definiscono il parametro di richiesta di input obbligatorio per l’operazione API `DescribeTrainingPlan`.
## Parametri obbligatori
+ `TrainingPlanName`: il nome del piano di addestramento da descrivere.
# Estensione dei piani di formazione
SageMaker i piani di formazione consentono di estendere i piani di allenamento esistenti per evitare interruzioni del carico di lavoro. Quando un piano di formazione sta per scadere, puoi estenderlo direttamente tramite la console SageMaker AI o a livello di codice utilizzando l'API o. AWS CLI Ciò elimina la necessità di creare un nuovo piano e riconfigurare il carico di lavoro con un nuovo piano di formazione ARN.
Con le estensioni del piano di formazione, i job o SageMaker HyperPod i cluster di SageMaker formazione in corso continuano a funzionare senza interruzioni una volta esteso il piano. Il piano esteso riflette la nuova data di fine ed è possibile recuperare la cronologia di tutte le estensioni del piano di allenamento.
**Importante**
Tieni presente che le estensioni non possono essere annullate o modificate per aggiungere o rimuovere istanze.
## Funzionalità principali
+ Estendi i piani di formazione tramite la console o l'API
+ Estendi i piani con incrementi di 1 giorno fino a 14 giorni o incrementi di 7 giorni fino a 182 giorni
+ Estendi un piano un numero qualsiasi di volte
+ Visualizza/ elenca la cronologia delle estensioni dei tuoi piani di allenamento nella console o tramite l'API
+ Continuazione senza interruzioni dell'esecuzione dei carichi di lavoro in AI senza riconfigurazione SageMaker
## Prerequisiti
Prima di estendere un piano di formazione, assicurati quanto segue:
+ Il piano di formazione deve avere lo status di `Active` o`Scheduled`.
+ Lo `Payment Pending` status del piano non deve essere esteso.
+ Le estensioni possono essere richieste fino a un minimo di 1 ora o un massimo di 56 giorni prima della scadenza del piano.
**Topics**
+ [Funzionalità principali](#training-plan-extension-features)
+ [Prerequisiti](#training-plan-extension-prerequisites)
+ [Estendi un piano di allenamento utilizzando la console SageMaker AI](training-plan-extension-using-console.md)
+ [Estendi un piano di formazione utilizzando l' SageMaker API o AWS CLI](training-plan-extension-using-api-cli-sdk.md)
# Estendi un piano di allenamento utilizzando la console SageMaker AI
SageMaker i piani di formazione offrono un modo conveniente per estendere i piani di allenamento esistenti tramite l'interfaccia utente della console SageMaker AI. Questa guida illustra il processo di estensione di un piano di formazione per lavori e SageMaker HyperPod cluster di SageMaker formazione utilizzando la console SageMaker AI.
Per estendere un piano di formazione utilizzando la console:
1. Vai alla console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Scegli **Piani di allenamento** nel riquadro di navigazione a sinistra.
1. Seleziona il piano di allenamento che desideri estendere dall'elenco.
1. Scegli il pulsante **Estendi**.
1. Inserisci la data di fine desiderata per l'estensione e scegli **Cerca** per trovare le offerte di estensione disponibili.
1. Consulta l'elenco delle offerte di estensione, che include dettagli come durata, zona di disponibilità, tariffa anticipata e orari di inizio e fine.
1. Seleziona l'offerta di estensione che meglio soddisfa i tuoi requisiti.
1. Controlla i dettagli dell'estensione nella finestra di dialogo di conferma, quindi scegli **Invia** per confermare l'acquisto.
Dopo l'acquisto dell'estensione, la data di fine del piano di formazione viene aggiornata in base alla nuova durata estesa.
## Visualizza la cronologia delle estensioni
Per visualizzare la cronologia delle estensioni di un piano di allenamento:
1. Vai alla pagina **Piani di allenamento** nella console SageMaker AI.
1. Seleziona il piano di allenamento che desideri visualizzare.
1. Nella pagina dei dettagli del piano di formazione, visualizza la sezione **Estensioni** per vedere tutte le estensioni precedenti, tra cui l'ID dell'offerta dell'estensione, le date di inizio e di fine, lo stato e la data di creazione dell'estensione.
## Valori dello stato dell'estensione
Le estensioni possono avere i seguenti valori di stato:
+ `Pending`: L'estensione è stata richiesta ed è in attesa di elaborazione del pagamento.
+ `Active`: L'estensione è stata acquistata con successo ed è attiva.
+ `Scheduled`: l'inizio dell'estensione è pianificato in un momento futuro.
+ `Failed`: L'acquisto dell'estensione non è riuscito (ad esempio, a causa di problemi di pagamento).
+ `Expired`: Il periodo di estensione è terminato.
# Estendi un piano di formazione utilizzando l' SageMaker API o AWS CLI
SageMaker i piani di formazione supportano l'estensione programmatica dei piani di formazione tramite la relativa API. Puoi interagire con l'API dei piani di formazione utilizzando o. AWS CLI SageMaker SDKs
L'estensione del piano di formazione prevede le seguenti azioni API:
+ **`SearchTrainingPlanOfferings`:** cerca le offerte di estensione disponibili specificando l'ARN del piano di formazione e la durata dell'estensione desiderata. L'API restituisce le offerte di estensione disponibili sul campo. `TrainingPlanExtensionOfferings`
+ **`ExtendTrainingPlan`:** Acquista un'offerta di estensione specifica per estendere il tuo piano di formazione fornendo il`TrainingPlanExtensionOfferingId`. Ciò consente di riservare la capacità di elaborazione aggiuntiva e di aggiornare la data di fine del piano di allenamento.
+ **`DescribeTrainingPlanExtensionHistory`:** Visualizza la cronologia completa delle estensioni di un piano di formazione, incluse tutte le estensioni precedenti con il relativo stato, le date e le informazioni di pagamento.
**Topics**
+ [Cerca le offerte di estensione](search-extension-offerings-api-cli-sdk.md)
+ [Acquista un'estensione](extend-training-plan-api-cli-sdk.md)
+ [Visualizza la cronologia delle estensioni](describe-extension-history-api-cli-sdk.md)
# Cerca le offerte di estensione
Utilizza l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html)API con il `TrainingPlanArn` parametro per trovare le offerte di estensione disponibili per il tuo piano di formazione.
L'esempio seguente utilizza un AWS CLI comando per cercare offerte di estensione per un piano di formazione esistente.
```
aws sagemaker search-training-plan-offerings \
--training-plan-arn "arn:aws:sagemaker:us-east-2:123456789012:training-plan/my-training-plan" \
--duration-hours 48
```
Questo documento JSON è un esempio di risposta dall'API dei piani SageMaker di formazione. La risposta `TrainingPlanExtensionOfferings` include le offerte di estensione disponibili per il piano di formazione specificato.
```
{
"TrainingPlanOfferings": [],
"TrainingPlanExtensionOfferings": [
{
"TrainingPlanExtensionOfferingId": "tpeo-SHA-256-hash-value",
"AvailabilityZone": "us-east-2a",
"StartDate": "2025-09-23T12:00:00Z",
"EndDate": "2025-09-25T12:00:00Z",
"DurationHours": 48,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD"
}
]
}
```
Le sezioni seguenti definiscono i parametri di richiesta di input obbligatori e facoltativi per il funzionamento dell'`SearchTrainingPlanOfferings`API durante la ricerca di offerte di estensione.
## Parametri obbligatori
Quando si chiama l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html)API per cercare offerte di estensione, è necessario fornire il seguente valore:
+ `TrainingPlanArn`: Il piano di allenamento che desideri estendere. `TrainingPlanArn`Devono fare riferimento a un piano di formazione esistente con stato `Active` o`Scheduled`.
## Parametri facoltativi
Le sezioni seguenti forniscono dettagli su alcuni parametri opzionali che è possibile passare alla richiesta `SearchTrainingPlanOfferings` API durante la ricerca di offerte di estensione.
+ `DurationHours`: La durata desiderata in ore per l'estensione. `DurationHours` viene arrotondato per eccesso al multiplo di 24 più vicino.
# Acquista un'estensione
Dopo aver selezionato un'offerta di estensione, utilizza l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ExtendTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ExtendTrainingPlan.html)API per acquistare l'estensione.
L'esempio seguente utilizza un AWS CLI comando per estendere un piano di allenamento.
```
aws sagemaker extend-training-plan \
--training-plan-extension-offering-id "tpeo-SHA-256-hash-value"
```
Questo documento JSON è un esempio di risposta dell'API dei piani SageMaker di formazione. La risposta include l'elenco delle estensioni per il piano di formazione.
```
{
"TrainingPlanExtensions": [
{
"TrainingPlanExtensionOfferingId": "tpeo-SHA-256-hash-value",
"ExtendedAt": "2025-09-17T10:00:00Z",
"StartDate": "2025-09-23T12:00:00Z",
"EndDate": "2025-09-25T12:00:00Z",
"Status": "Pending",
"PaymentStatus": "Pending",
"AvailabilityZone": "us-east-2a",
"DurationHours": 48,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD"
}
]
}
```
La sezione seguente definisce il parametro di richiesta di input obbligatorio per il funzionamento dell'`ExtendTrainingPlan`API.
## Parametri obbligatori
Quando si chiama l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ExtendTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ExtendTrainingPlan.html)API per estendere un piano di formazione, è necessario fornire il seguente valore:
+ `TrainingPlanExtensionOfferingId`: L'ID dell'offerta di estensione che stai acquistando. Puoi recuperare questo ID da `TrainingPlanExtensionOfferings` nella risposta alla tua chiamata `SearchTrainingPlanOfferings` API. L’ID dovrebbe iniziare con `tpeo-*`.
# Visualizza la cronologia delle estensioni
Utilizza l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlanExtensionHistory.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlanExtensionHistory.html)API per visualizzare la cronologia completa delle estensioni per un piano di formazione.
L'esempio seguente utilizza un AWS CLI comando per recuperare la cronologia delle estensioni.
```
aws sagemaker describe-training-plan-extension-history \
--training-plan-arn "arn:aws:sagemaker:us-east-2:123456789012:training-plan/my-training-plan"
```
Questo documento JSON è un esempio di risposta dell'API dei piani SageMaker di formazione. La risposta include un elenco impaginato di tutte le estensioni del piano di formazione.
```
{
"TrainingPlanExtensions": [
{
"TrainingPlanExtensionOfferingId": "tpeo-SHA-256-hash-value",
"ExtendedAt": "2025-09-17T10:00:00Z",
"StartDate": "2025-09-23T12:00:00Z",
"EndDate": "2025-09-25T12:00:00Z",
"Status": "Active",
"PaymentStatus": "Completed",
"AvailabilityZone": "us-east-2a",
"DurationHours": 48,
"UpfrontFee": "xxxx.xx",
"CurrencyCode": "USD"
}
],
"NextToken": null
}
```
Le sezioni seguenti definiscono i parametri di richiesta di input obbligatori e facoltativi per l’operazione API `DescribeTrainingPlanExtensionHistory`.
## Parametri obbligatori
Quando si chiama l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlanExtensionHistory.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlanExtensionHistory.html)API, è necessario fornire il seguente valore:
+ `TrainingPlanArn`: Il piano di allenamento per cui recuperare la cronologia delle estensioni.
## Parametri facoltativi
Le sezioni seguenti forniscono dettagli su alcuni parametri facoltativi che puoi passare alla richiesta API `DescribeTrainingPlanExtensionHistory`.
+ `NextToken`: Se la risposta precedente è stata troncata, riceverai questo token. Usalo nella tua prossima richiesta per ricevere il prossimo set di risultati.
+ `MaxResults`: Il numero massimo di estensioni da restituire nella risposta.
## Valori dello stato dell'estensione
Le estensioni possono avere i seguenti valori di stato:
+ `Pending`: L'estensione è stata richiesta ed è in attesa di elaborazione del pagamento.
+ `Active`: L'estensione è stata acquistata con successo ed è attiva.
+ `Scheduled`: l'inizio dell'estensione è pianificato in un momento futuro.
+ `Failed`: L'acquisto dell'estensione non è riuscito (ad esempio, a causa di problemi di pagamento).
+ `Expired`: Il periodo di estensione è terminato.
# Utilizzo dei piani di formazione per lavori di SageMaker formazione
Puoi utilizzare un piano di SageMaker formazione per i tuoi lavori di formazione specificando il piano di tua scelta quando crei un lavoro di formazione.
**Nota**
Il piano di addestramento deve essere in stato `Scheduled` o `Active` per essere utilizzato da un job di addestramento.
Se la capacità richiesta non è immediatamente disponibile per un job di addestramento, il processo rimane in attesa finché la capacità non si libera, finché non viene raggiunta la condizione `StoppingCondition` oppure finché il processo non è restato in stato `Pending` per due giorni, a seconda di ciò che si verifica per primo. Se la condizione di arresto è soddisfatta, il processo viene arrestato. Se un processo resta in sospeso per due giorni, viene terminato con `InsufficientCapacityError`.
**Importante**
**Processo di terminazione della capacità riservata:** hai pieno accesso a tutte le istanze riservate fino a 30 minuti prima della fine della capacità riservata. Quando rimangono 30 minuti nella capacità riservata, i piani di SageMaker formazione avviano il processo di chiusura di tutte le istanze in esecuzione all'interno di tale capacità riservata.
Per evitare di perdere i progressi fatti a causa di queste terminazioni, ti consigliamo di creare checkpoint per i tuoi job di addestramento.
## Checkpoint del job di addestramento
Quando utilizzi piani di SageMaker formazione per i tuoi lavori di SageMaker formazione, assicurati di implementare il checkpoint nel tuo script di formazione. Questa operazione consente di salvare i progressi dell’addestramento prima della scadenza di una capacità riservata. I checkpoint sono particolarmente importanti quando si lavora con capacità riservate, perché consentono di riprendere l’addestramento dall’ultimo punto salvato se il processo viene interrotto tra due capacità riservate o quando il piano di addestramento raggiunge la data di fine.
Per farlo, puoi utilizzare la variabile di ambiente `SAGEMAKER_CURRENT_CAPACITY_BLOCK_EXPIRATION_TIMESTAMP`. Questa variabile aiuta a determinare quando avviare il processo di checkpoint. Incorporando questa logica nello script di addestramento, ti assicuri che i progressi del modello vengano salvati a intervalli regolari.
Ecco un esempio di come puoi implementare questa logica di checkpoint nel tuo script di addestramento in Python:
```
import os
import time
from datetime import datetime, timedelta
def is_close_to_expiration(threshold_minutes=30):
# Retrieve the expiration timestamp from the environment variable
expiration_time_str = os.environ.get('SAGEMAKER_CURRENT_CAPACITY_BLOCK_EXPIRATION_TIMESTAMP', '0')
# If the timestamp is not set (default '0'), return False
if expiration_time_str == '0':
return False
# Convert the timestamp string (in milliseconds) to a datetime object
expiration_time = datetime(1970, 1, 1) + timedelta(milliseconds=int(expiration_time_str))
# Calculate the time difference between now and the expiration time
time_difference = expiration_time - datetime.now()
# Return True if we're within the threshold time of expiration
return time_difference < timedelta(minutes=threshold_minutes)
def start_checkpointing():
# Placeholder function for checkpointing logic
print("Starting checkpointing process...")
# TODO: Implement actual checkpointing logic here
# For example:
# - Save model state
# - Save optimizer state
# - Save current epoch and iteration numbers
# - Save any other relevant training state
# Main training loop
num_epochs = 100
final_checkpointing_done = False
for epoch in range(num_epochs):
# TODO: Replace this with your actual training code
# For example:
# - Load a batch of data
# - Forward pass
# - Calculate loss
# - Backward pass
# - Update model parameters
# Check if we're close to capacity expiration and haven't done final checkpointing
if not final_checkpointing_done and is_close_to_expiration():
start_checkpointing()
final_checkpointing_done = True
# Simulate some training time (remove this in actual implementation)
time.sleep(1)
print("Training completed.")
```
**Nota**
L'assegnazione dei lavori di formazione segue un ordine First-In-First-Out (FIFO), ma a un lavoro di cluster più piccolo creato in un secondo momento potrebbe essere assegnata una capacità prima di un lavoro di cluster più grande creato in precedenza, se il lavoro più grande non può essere svolto.
SageMaker la piscina riscaldata gestita dalla formazione è compatibile con i piani di allenamento. SageMaker Per riutilizzare lo stesso cluster, devi fornire valori `TrainingPlanArn` identici nelle richieste `CreateTrainingJob` successive.
**Topics**
+ [Checkpoint del job di addestramento](#training-jobs-checkpointing)
+ [Crea un lavoro di formazione utilizzando la console AI SageMaker](use-training-plan-for-training-jobs-using-console.md)
+ [Crea un lavoro di formazione utilizzando l'API AWS CLI, SageMaker SDK](use-training-plan-for-training-jobs-using-api-cli-sdk.md)
# Crea un lavoro di formazione utilizzando la console AI SageMaker
Puoi utilizzare un piano di SageMaker formazione per i tuoi lavori di formazione utilizzando l'interfaccia utente SageMaker AI. Quando crei un job di addestramento, vengono suggeriti i piani disponibili se la scelta dell’istanza e la Regione corrispondono ai piani disponibili.
Per creare un lavoro di formazione utilizzando la capacità riservata di un piano di formazione nella SageMaker console:
1. Vai alla console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Addestramento**, quindi **Job di addestramento**.
1. Scegli il pulsante **Crea job di addestramento**.
1. Quando configuri le risorse per il tuo job di addestramento, cerca la sezione **Capacità dell’istanza**. Se sono disponibili piani che corrispondono al tipo di istanza e alla Regione scelti, vengono visualizzati qui. Seleziona un piano di addestramento in linea con le tue esigenze di capacità di calcolo.
Se non sono disponibili piani adeguati, puoi modificare il tipo di istanza o la Regione oppure puoi procedere senza utilizzare un piano di addestramento.
1. Dopo aver selezionato un piano di addestramento (o aver scelto di procedere senza alcun piano), completa il resto della configurazione del job di addestramento e scegli **Crea job di addestramento** per avviare il processo.
![\[SageMaker Pagina della console AI per creare un nuovo lavoro di formazione. La pagina mostra varie opzioni di configurazione, tra cui impostazioni del processo, opzioni dell’algoritmo, configurazione delle risorse, selezione del piano di addestramento e condizioni di arresto.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-create-training-job.png)
Rivedi e avvia il processo. Il processo viene avviato non appena il piano di addestramento diventa `Active`, con la capacità in sospeso.
# Crea un lavoro di formazione utilizzando l'API AWS CLI, SageMaker SDK
Per utilizzare SageMaker i piani di SageMaker formazione per il tuo lavoro di formazione, specifica il `TrainingPlanArn` parametro del piano desiderato `ResourceConfig` nell'operazione di chiamata dell'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)API. Puoi utilizzare un solo piano per processo.
**Importante**
Il campo `InstanceType` impostato nella sezione `ResourceConfig` della richiesta `CreateTrainingJob` deve corrispondere a `InstanceType` del piano di addestramento.
## Esecuzione di un job di addestramento in un piano con la CLI
L'esempio seguente dimostra come creare un processo di SageMaker formazione e associarlo a un piano di formazione fornito utilizzando l'`TrainingPlanArn`attributo nel `create-training-job` AWS CLI comando.
Per ulteriori informazioni su come creare un processo di formazione utilizzando il AWS CLI [CreateTrainingJob](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)comando, vedere [https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-training-job.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-training-job.html).
```
# Create a training job
aws sagemaker create-training-job \
--training-job-name training-job-name \
...
--resource-config '{
"InstanceType": "ml.p5.48xlarge",
"InstanceCount": 8,
"VolumeSizeInGB": 10,
"TrainingPlanArn": "training-plan-arn"
}
}' \
...
```
Questo comando di AWS CLI esempio crea un nuovo processo di addestramento in SageMaker AI inserendo un piano di formazione nell'`--resource-config`argomento.
```
aws sagemaker create-training-job \
--training-job-name job-name \
--role-arn arn:aws:iam::111122223333:role/DataAndAPIAccessRole \
--algorithm-specification '{"TrainingInputMode": "File","TrainingImage": "111122223333.dkr.ecr.us-east-1.amazonaws.com/algo-image:tag", "ContainerArguments": [" "]}' \
--input-data-config '[{"ChannelName":"training","DataSource":{"S3DataSource":{"S3DataType":"S3Prefix","S3Uri":"s3://bucketname/input","S3DataDistributionType":"ShardedByS3Key"}}}]' \
--output-data-config '{"S3OutputPath": "s3://bucketname/output"}' \
--resource-config '{"VolumeSizeInGB":10,"InstanceCount":4,"InstanceType":"ml.p5.48xlarge", "TrainingPlanArn" : "arn:aws:sagemaker:us-east-1:111122223333:training-plan/plan-name"}' \
--stopping-condition '{"MaxRuntimeInSeconds": 1800}' \
--region us-east-1
```
Dopo aver creato il job di addestramento, puoi verificare che sia stato assegnato correttamente al piano di addestramento chiamando l’API `DescribeTrainingJob`.
```
aws sagemaker describe-training-job --training-job-name training-job-name
```
## Esegui un processo di formazione su un piano utilizzando SageMaker AI Python SDK
In alternativa, puoi creare un lavoro di formazione associato a un piano di formazione utilizzando [SageMaker Python](https://sagemaker.readthedocs.io/en/stable/v2.html) SDK.
Se utilizzi SageMaker Python SDK da Studio per creare un processo di formazione, assicurati che il ruolo di esecuzione utilizzato dallo spazio su cui è JupyterLab in esecuzione l' JupyterLabapplicazione disponga delle autorizzazioni necessarie per utilizzare i piani di formazione. SageMaker Per ulteriori informazioni sulle autorizzazioni necessarie per utilizzare i piani di SageMaker formazione, consulta. [IAM per i piani SageMaker di formazione](training-plan-iam-permissions.md)
L'esempio seguente dimostra come creare un processo di SageMaker formazione e associarlo a un piano di formazione fornito utilizzando l'`training_plan`attributo nell'`Estimator`oggetto quando si utilizza SageMaker Python SDK.
Per ulteriori informazioni sull' SageMaker Estimator, consulta [Utilizzare uno SageMaker stimatore per eseguire un processo di formazione](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers-adapt-your-own-private-registry-estimator.html).
```
import sagemaker
import boto3
from sagemaker import get_execution_role
from sagemaker.estimator import Estimator
from sagemaker.inputs import TrainingInput
# Set up the session and SageMaker client
session = boto3.Session()
region = session.region_name
sagemaker_session = session.client('sagemaker')
# Get the execution role for the training job
role = get_execution_role()
# Define the input data configuration
trainingInput = TrainingInput(
s3_data='s3://input-path',
distribution='ShardedByS3Key',
s3_data_type='S3Prefix'
)
estimator = Estimator(
entry_point='train.py',
image_uri="123456789123.dkr.ecr.{}.amazonaws.com/image:tag",
role=role,
instance_count=4,
instance_type='ml.p5.48xlarge',
training_plan="training-plan-arn",
volume_size=20,
max_run=3600,
sagemaker_session=sagemaker_session,
output_path="s3://output-path"
)
# Create the training job
estimator.fit(inputs=trainingInput, job_name=job_name)
```
Dopo aver creato il job di addestramento, puoi verificare che sia stato assegnato correttamente al piano di addestramento chiamando l’API `DescribeTrainingJob`.
```
# Check job details
sagemaker_session.describe_training_job(TrainingJobName=job_name)
```
# Utilizzo dei piani di formazione per i cluster Amazon SageMaker HyperPod
Per utilizzare i piani di SageMaker formazione per il tuo SageMaker HyperPod cluster Amazon, specifica il piano di formazione che desideri utilizzare a livello di istanza del cluster durante la creazione o l'aggiornamento del cluster.
**Nota**
Il piano di formazione deve avere `Active` lo stato `Scheduled` o per essere utilizzato da un HyperPod cluster.
Assicurati che la configurazione del cluster sia in linea con la zona di disponibilità (AZ) specificata nel tuo piano di addestramento.
Per la configurazione del VPC, la posizione delle risorse e la configurazione del gruppo di sicurezza, consulta la [Configurazione SageMaker HyperPod con un Amazon VPC personalizzato](sagemaker-hyperpod-prerequisites.md#sagemaker-hyperpod-prerequisites-optional-vpc) SageMaker HyperPod documentazione.
Se effettui la configurazione HyperPod con Amazon FSx for Lustre, scopri di più sulla selezione della regione e della zona, esamina i requisiti di configurazione del VPC e scopri le migliori pratiche di allineamento AZ in. [(Facoltativo) Configurazione SageMaker HyperPod con Amazon FSx for Lustre](sagemaker-hyperpod-prerequisites.md#sagemaker-hyperpod-prerequisites-optional-fsx)
Puoi selezionare un piano per ciascun gruppo di istanze. Tuttavia, non è consigliabile utilizzare un piano di addestramento per il gruppo di istanze primarie di un cluster, poiché i nodi primari richiedono risorse continue e stabili che non sono in linea con la durata fissa e la natura potenzialmente discontinua delle capacità del piano di addestramento.
**Topics**
+ [Crea un SageMaker HyperPod cluster sui piani di allenamento utilizzando la console AI SageMaker](use-training-plan-for-hyperpod-creation-using-console.md)
+ [Aggiorna un SageMaker HyperPod cluster sui piani di allenamento utilizzando la console SageMaker AI](use-training-plan-for-hyperpod-update-using-console.md)
+ [Crea un SageMaker HyperPod cluster sui piani di formazione utilizzando l' SageMaker API, oppure AWS CLI](use-training-plan-for-hyperpod-creation-using-api-cli-sdk.md)
+ [Aggiornare un SageMaker HyperPod cluster sui piani di formazione utilizzando l' SageMaker API, oppure AWS CLI](use-training-plan-for-hyperpod-update-using-api-cli-sdk.md)
# Crea un SageMaker HyperPod cluster sui piani di allenamento utilizzando la console AI SageMaker
Per creare un SageMaker HyperPod cluster utilizzando i piani di allenamento dell'interfaccia utente della console SageMaker AI, segui questi passaggi:
1. Vai alla console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Hyperpod**, quindi **Crea cluster**.
1. Quando configuri un gruppo di istanze, puoi selezionare un piano in linea con le tue esigenze di capacità di calcolo.
![\[SageMaker L'interfaccia della console AI mostra una finestra modale per la creazione di un gruppo di istanze all'interno di un SageMaker HyperPod cluster. Il modulo include campi come il nome del gruppo, il tipo di istanza, la quantità, la capacità dell’istanza (con opzioni per piani on demand e di addestramento) e un percorso di directory per lo script del ciclo di vita in fase di creazione.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-create-hyperpod-cluster.png)
Rivedi e crea il cluster. I gruppi di istanze che utilizzano un piano di addestramento aumentano verticalmente fino al numero di istanze di destinazione specificato quando il piano di addestramento diventa `Active`, in base alla capacità disponibile. Trenta minuti prima della fine di ogni periodo di capacità riservata, il gruppo di istanze inizia a ridursi verticalmente fino a zero istanze. Questo stato di ridimensionamento persiste fino all’inizio del successivo periodo di capacità riservata o alla fine del piano. Durante questo processo, un gruppo di istanze integro mantiene uno stato `InService` dopo la sua creazione iniziale, indipendentemente dal numero di istanze corrente.
# Aggiorna un SageMaker HyperPod cluster sui piani di allenamento utilizzando la console SageMaker AI
Puoi aggiornare, rimuovere o aggiungere un piano di formazione a un SageMaker HyperPod cluster esistente utilizzando l'interfaccia utente della console SageMaker AI. Per aggiornare il gruppo di istanze di un SageMaker HyperPod cluster, segui questi passaggi:
1. Vai alla console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Nel riquadro di navigazione a sinistra, scegli **Hyperpod**.
1. Vai alla pagina dei dettagli del cluster seguendo il link ipertestuale associato al nome del cluster.
1. Quando configuri un gruppo di istanze, puoi aggiornare il piano per allinearlo alle nuove esigenze di capacità di calcolo.
![\[SageMaker L'interfaccia della console AI mostra una finestra modale per l'aggiornamento di un gruppo di istanze all'interno di un SageMaker HyperPod cluster. Il modulo include campi come il nome del gruppo, il tipo di istanza, la quantità, la capacità dell’istanza (con opzioni per piani on demand e di addestramento) e un percorso di directory per lo script del ciclo di vita in fase di creazione.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/training-plans/tp-update-hyperpod-clusters.png)
Rivedi e aggiorna il cluster.
# Crea un SageMaker HyperPod cluster sui piani di formazione utilizzando l' SageMaker API, oppure AWS CLI
Per utilizzare i piani di SageMaker formazione per il tuo SageMaker HyperPod cluster Amazon, specifica l'ARN del piano di formazione che desideri utilizzare nel [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ClusterInstanceGroupSpecification.html#sagemaker-Type-ClusterInstanceGroupSpecification-TrainingPlanArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ClusterInstanceGroupSpecification.html#sagemaker-Type-ClusterInstanceGroupSpecification-TrainingPlanArn)parametro di [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ClusterInstanceGroupSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ClusterInstanceGroupSpecification.html)quando chiami l'operazione [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateCluster.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateCluster.html)API.
Assicurati che la sottorete associata all’AZ indicata del piano sia inclusa in `VPCConfig` della tua configurazione del cluster. Puoi recuperare il valore `AvailabilityZone` di un piano di formazione nella risposta a una chiamata [``DescribeTrainingPlan](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html)API.
L'esempio seguente illustra come creare un nuovo SageMaker HyperPod cluster e fornire a un gruppo di istanze un piano di addestramento nell'`--instance-groups`attributo del `create-cluster` AWS CLI comando.
```
# Create a cluster
aws sagemaker create-cluster \
--cluster-name cluster-name \
--instance-groups '[ \
{ \
"InstanceCount": 1,\
"InstanceGroupName": "controller-nodes",\
"InstanceType": "ml.t3.xlarge",\
"LifeCycleConfig": {"SourceS3Uri": source_s3_uri, "OnCreate": "on_create.sh"},\
"ExecutionRole": "arn:aws:iam::customer_account_id:role/execution_role",\
"ThreadsPerCore": 1,\
},\
{ \
"InstanceCount": 2, \
"InstanceGroupName": "worker-nodes",\
"InstanceType": "p4d.24xlarge",\
"LifeCycleConfig": {"SourceS3Uri": source_s3_uri, "OnCreate": "on_create.sh"},\
"ExecutionRole": "arn:aws:iam::customer_account_id}:role/execution_role}",\
"ThreadsPerCore": 1,\
"TrainingPlanArn": training_plan_arn,\
}]'
```
Per informazioni su come creare un HyperPod cluster utilizzando il AWS CLI, vedere [https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-cluster.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-cluster.html).
Dopo aver creato il cluster, puoi verificare che al gruppo di istanze sia stata assegnata correttamente la capacità prevista dal piano di addestramento chiamando l’API `DescribeCluster`.
```
aws sagemaker describe-cluster --cluster-name cluster-name
```
# Aggiornare un SageMaker HyperPod cluster sui piani di formazione utilizzando l' SageMaker API, oppure AWS CLI
È possibile aggiungere, aggiornare o rimuovere un piano di formazione aggiornando il gruppo di istanze di un cluster esistente utilizzando il `update-cluster` AWS CLI comando. L'esempio seguente illustra come aggiornare un SageMaker HyperPod cluster e fornire a un gruppo di istanze un nuovo piano di formazione.
```
# Update a cluster
aws sagemaker update-cluster \
--cluster-name cluster-name \
--instance-groups '[ \
{ \
"InstanceCount": 1,\
"InstanceGroupName": "controller-nodes",\
"InstanceType": "ml.t3.xlarge",\
"LifeCycleConfig": {"SourceS3Uri": source_s3_uri, "OnCreate": "on_create.sh"},\
"ExecutionRole": "arn:aws:iam::customer_account_id:role/execution_role",\
"ThreadsPerCore": 1,\
},\
{ \
"InstanceCount": 2, \
"InstanceGroupName": "worker-nodes",\
"InstanceType": "p4d.24xlarge",\
"LifeCycleConfig": {"SourceS3Uri": source_s3_uri, "OnCreate": "on_create.sh"},\
"ExecutionRole": "arn:aws:iam::customer_account_id}:role/execution_role}",\
"ThreadsPerCore": 1,\
"TrainingPlanArn": training_plan_arn,\
},\
{\
"InstanceCount": 1,\
"InstanceGroupName": "worker-nodes-2",\
"InstanceType": "p4d.24xlarge",\
"LifeCycleConfig": {"SourceS3Uri": source_s3_uri, "OnCreate": "on_create.sh"},\
"ExecutionRole": "arn:aws:iam::customer_account_id:role/execution_role",\
"ThreadsPerCore": 1,\
"TrainingPlanArn": training_plan_arn,\
}\
]'
```
# Visualizza le quote dei piani di SageMaker formazione utilizzando la console di gestione AWS
**Importante**
Per informazioni sui prezzi dei piani di SageMaker formazione, consulta la pagina [ SageMaker dei prezzi di Amazon](https://aws.amazon.com/sagemaker/pricing/). Vai alla sezione Piani di **formazione SageMaker HyperPod flessibili di Amazon** nella sezione **Prezzi su richiesta**. Scegli la Regione desiderata per visualizzare i tipi di istanze disponibili e i prezzi corrispondenti.
Assicurati che i tuoi lavori di formazione o le quote di HyperPod servizio consentano un numero massimo di istanze per tipo di istanza superiore al numero di istanze specificato nel tuo piano.
Puoi visualizzare le quote e i limiti correnti per i piani di SageMaker formazione utilizzando la console di gestione. AWS
Per cercare un valore di quota specifico:
1. Apri la [console Service Quotas](https://console.aws.amazon.com/servicequotas/home/services/sagemaker/quotas).
1. Nel pannello di navigazione a sinistra, scegli **Servizi AWS **.
1. Dall'elenco dei AWS servizi, cerca e seleziona **Amazon SageMaker AI**.
1. Nell'elenco delle **quote di servizio**, puoi vedere il nome della quota di servizio, il valore applicato (se disponibile), la quota AWS predefinita e se il valore della quota è regolabile.
Per trovare quote specifiche, puoi utilizzare la barra di ricerca nella parte superiore dell’elenco **Service Quotas**. Immetti il valore `Limit Name` della quota che stai cercando. Ad esempio, per trovare la quota relativa al numero di piani di addestramento per Regione, devi digitare **training-plan-total\$1count** nella barra di ricerca.
La tabella seguente riporta i nomi dei limiti di quota per i piani di SageMaker allenamento.
**SageMaker piani di formazione (limiti di quota)**
| Nome del limite | Nome visualizzazione |
| --- | --- |
| training-plan-total\$1contare | Numero di piani di addestramento per Regione |
| reserved-capacity-ml-p4d-24x grande | Numero di istanze ml.p4d.24xlarge in capacità riservata nei piani di addestramento per Regione |
| reserved-capacity-ml-p5-48 x grande | Numero di istanze ml.p5.48xlarge con capacità riservata tra i piani di addestramento per Regione |
| reserved-capacity-ml-p5e-48 x grande | Numero di istanze ml.p5e.48xlarge con capacità riservata tra i piani di addestramento per Regione |
| reserved-capacity-ml-p5 en - 48 x grande | Numero di istanze ml.p5en.48xlarge con capacità riservata tra i piani di addestramento per Regione |
| reserved-capacity-ml-trn1-32 x grande | Numero di istanze ml-trn1-32xlarge con capacità riservata tra i piani di addestramento per Regione |
| reserved-capacity-ml-trn2-48 x grande | Numero di istanze ml.trn2.48xlarge con capacità riservata tra i piani di addestramento per Regione |
Se hai bisogno di limiti più elevati per i tuoi piani di SageMaker allenamento, potresti richiedere un aumento della quota. Una quota può essere aumentata solo se è regolabile, una caratteristica visualizzabile nella console **Service Quotas**.
Per richiedere un aumento delle quote:
1. Passa alla quota specifica nella console **Service Quotas**.
1. Se la quota è regolabile, puoi richiedere un aumento della quota a livello di account o di risorsa in base al valore elencato nella colonna **Regolabilità**.
1. In **Aumenta il valore della quota**, inserisci il nuovo valore. Questo valore deve essere maggiore di quello corrente.
1. Scegli **Richiedi**.
1. Le richieste di aumento della quota sono soggette a revisione e approvazione da parte di AWS. Per visualizzare eventuali richieste in sospeso o risolte di recente nella console, vai alla scheda **Cronologia richieste** dalla pagina dei dettagli del servizio o scegli **Dashboard** dal riquadro di navigazione. Per le richieste in sospeso, scegliere lo stato della richiesta per aprire la ricevuta della richiesta. Lo stato iniziale di una richiesta è `Pending`. Dopo che lo stato cambia in`Quota requested`, vedrai il numero del caso in AWS Support. Scegli il numero del caso per aprire il ticket della tua richiesta.
Per ulteriori informazioni generali su come richiedere un aumento della quota, consulta [Requesting a quota increase](https://docs.aws.amazon.com/servicequotas/latest/userguide/request-quota-increase.html) in *AWS Service Quotas User Guide*.
# Note di rilascio
Consulta le seguenti note di rilascio per tenere traccia degli ultimi aggiornamenti per i piani di SageMaker allenamento.
## Piani SageMaker di formazione Amazon Note di rilascio: 4 dicembre 2024
**Nuove funzionalità**
+ Ha lanciato i piani SageMaker di formazione Amazon al AWS re:Invent 2024.