本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 設定您的混合任務執行個體
<a name="braket-jobs-configure-job-instance-for-script"></a>

根據您的演算法，您可能有不同的需求。根據預設，Amazon Braket 會在`ml.m5.large`執行個體上執行您的演算法指令碼。不過，您可以使用下列匯入和組態引數，在建立混合任務時自訂此執行個體類型。

```
from braket.jobs.config import InstanceConfig

job = AwsQuantumJob.create(
    ...
    instance_config=InstanceConfig(instanceType="ml.g4dn.xlarge"), # Use NVIDIA T4 instance with 4 GPUs.
    ...
    ),
```

如果您正在執行內嵌模擬，並在裝置組態中指定了本機裝置，您可以另外在 中指定 `instanceCount`並將它設定為大於一個`InstanceConfig`，以請求多個執行個體。上限為 5。例如，您可以選擇 3 個執行個體，如下所示。

```
from braket.jobs.config import InstanceConfig
job = AwsQuantumJob.create(
    ...
    instance_config=InstanceConfig(instanceType="ml.g4dn.xlarge", instanceCount=3), # Use 3 NVIDIA T4 instances
    ...
    ),
```

當您使用多個執行個體時，請考慮使用資料平行功能分發混合任務。如需如何查看此 [QML 平行化訓練](https://github.com/amazon-braket/amazon-braket-examples/blob/main/examples/hybrid_jobs/5_Parallelize_training_for_QML/Parallelize_training_for_QML.ipynb)範例的詳細資訊，請參閱下列範例筆記本。

下列三個資料表列出標準、高效能和 GPU 加速執行個體的可用執行個體類型和規格。

**注意**  
若要檢視混合任務的預設傳統運算執行個體配額，請參閱 [Amazon Braket Quotas](braket-quotas.md) 頁面。


| 標準執行個體 | vCPU | 記憶體 (GiB) | 
| --- | --- | --- | 
| ml.t3.large | 2 | 8 | 
| ml.t3.xlarge | 4 | 16 | 
| ml.t3.2xlarge | 8 | 32 | 
| ml.m5.large （預設） | 4 | 16 | 
| ml.m5.xlarge | 4 | 16 | 
| ml.m5.2xlarge | 8 | 32 | 
| ml.m5.4xlarge | 16 | 64 | 
| ml.m5.12xlarge | 48 | 192 | 
| ml.m5.24xlarge | 96 | 384 | 


| 高效能執行個體 | vCPU | 記憶體 (GiB) | 
| --- | --- | --- | 
| ml.c5.xlarge | 4 | 8 | 
| ml.c5.2xlarge | 8 | 16 | 
| ml.c5.4xlarge | 16 | 32 | 
| ml.c5.9xlarge | 36 | 72 | 
| ml.c5.18xlarge | 72 | 144 | 
| ml.c5n.xlarge | 4 | 10.5 | 
| ml.c5n.2xlarge | 8 | 21 | 
| ml.c5n.4xlarge | 16 | 32 | 
| ml.c5n.9xlarge | 36 | 72 | 
| ml.c5n.18xlarge | 72 | 192 | 


| GPU 加速執行個體 | GPU | vCPU | 記憶體 (GiB) | GPU 記憶體 (GiB) | 
| --- | --- | --- | --- | --- | 
| ml.p4d.24xlarge | 8 | 96 | 1152 | 320 | 
| ml.g4dn.xlarge | 1 | 4 | 16 | 16 | 
| ml.g4dn.2xlarge | 1 | 8 | 32 | 16 | 
| ml.g4dn.4xlarge | 1 | 16 | 64 | 16 | 
| ml.g4dn.8xlarge | 1 | 32 | 128 | 16 | 
| ml.g4dn.12xlarge | 4 | 48 | 192 | 64 | 
| ml.g4dn.16xlarge | 1 | 64 | 256 | 16 | 
| ml.g6.xlarge | 1 | 4 | 16 | 24 | 
| ml.g6.2xlarge | 1 | 8 | 32 | 24 | 
| ml.g6.4xlarge | 1 | 16 | 64 | 24 | 
| ml.g6.8xlarge | 1 | 32 | 128 | 24 | 
| ml.g6.12xlarge | 4 | 48 | 192 | 96 | 
| ml.g6.16xlarge | 1 | 64 | 256 | 24 | 
| ml.g6.24xlarge | 4 | 96 | 384 | 96 | 
| ml.g6.48xlarge | 8 | 192 | 768 | 192 | 
| ml.g6e.xlarge | 1 | 4 | 32 | 48 | 
| ml.g6e.2xlarge | 1 | 8 | 64 | 48 | 
| ml.g6e.4xlarge | 1 | 16 | 128 | 48 | 
| ml.g6e.8xlarge | 1 | 32 | 256 | 48 | 
| ml.g6e.12xlarge | 4 | 48 | 384 | 192 | 
| ml.g6e.16xlarge | 1 | 64 | 512 | 48 | 
| ml.g6e.24xlarge | 4 | 96 | 768 | 192 | 
| ml.g6e.48xlarge | 8 | 192 | 1536 | 384 | 

每個執行個體使用 30 GB 的資料儲存 (SSD) 預設組態。但是，您可以使用與設定 相同的方式調整儲存體`instanceType`。下列範例顯示如何將總儲存體增加到 50 GB。

```
from braket.jobs.config import InstanceConfig

job = AwsQuantumJob.create(
    ...
    instance_config=InstanceConfig(
        instanceType="ml.g4dn.xlarge",
        volumeSizeInGb=50,
    ),
    ...
    ),
```

## 在 中設定預設儲存貯體 `AwsSession`
<a name="braket-jobs-configure-default-bucket"></a>

利用您自己的`AwsSession`執行個體可為您提供增強的彈性，例如能夠為您的預設 Amazon S3 儲存貯體指定自訂位置。根據預設， `AwsSession`具有預先設定的 Amazon S3 儲存貯體位置`"amazon-braket-{id}-{region}"`。不過，您可以選擇在建立 時覆寫預設的 Amazon S3 儲存貯體位置`AwsSession`。使用者可以選擇性地將`AwsSession`物件傳入 `AwsQuantumJob.create()`方法，方法是提供 `aws_session` 參數，如下列程式碼範例所示。

```
aws_session = AwsSession(default_bucket="amazon-braket-s3-demo-bucket")

# Then you can use that AwsSession when creating a hybrid job
job = AwsQuantumJob.create(
    ...
    aws_session=aws_session
)
```