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。 # 建立訓練計畫 若要使用 SageMaker 訓練計畫功能保留運算容量，請遵循下列步驟： 1. **識別您的目標資源：**從判斷您需要 SageMaker 訓練任務還是 SageMaker HyperPod 叢集的容量開始。 1. **指定您的容量需求 ：**詳細定義您的容量需求。這包括為您的工作負載選取適當的執行個體類型、判斷所需的執行個體數量，以及指定使用持續時間。如需指定、 AWS 區域持續時間和數量選項中支援之執行個體類型的相關資訊，請參閱 [支援的執行個體類型 AWS 區域和定價](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)。 1. **搜尋可用的訓練計畫方案：**一旦您指定了要求，請使用 SageMaker 訓練計畫的搜尋功能，跨一或多個區段尋找可用的訓練計畫方案。每個方案包含開始時間、預留容量的特定可用區域和計畫價格等詳細資訊。檢閱這些方案，同時考慮成本效益、地理喜好設定，以及符合您所指定需求等因素。 如果沒有適當的計畫，請調整您的搜尋條件，並尋找一組新的方案。 1. **根據合適的方案建立訓練計畫：**識別合適的方案後，繼續建立您的訓練計畫。此程序涉及選取您選擇的方案並啟動保留。 + 訓練計畫保留會建立發票。 + 總金額的付款會在履行過程中收取。一旦付款完成，計畫就準備好排程您的 SageMaker 訓練任務或建立 HyperPod 叢集。 若要了解如何針對 SageMaker 訓練任務使用訓練計畫，請參閱[SageMaker 訓練任務的訓練計畫使用率](training-plan-utilization-for-training-jobs.md)。 若要了解如何針對您的 HyperPod 叢集使用訓練計畫，請參閱[Amazon SageMaker HyperPod 叢集的訓練計畫使用率](training-plan-utilization-for-hyperpod.md)。 您可以使用 SageMaker AI 主控台或程式設計方法建立訓練計畫。SageMaker AI 主控台提供視覺化的圖形界面，可全面檢視您的選項，而程式設計建立可以使用 AWS CLI 或 SageMaker SDKs直接與訓練計畫 API 互動。 如需逐步主控台指示和詳細的 API 參考，請參閱本文件中的個別章節。 **Topics** + [使用 SageMaker AI 主控台建立 SageMaker 訓練計畫](training-plan-creation-using-console.md) + [使用 SageMaker API 建立 SageMaker 訓練計畫，或 AWS CLI](training-plan-creation-using-api-cli-sdk.md) # 使用 SageMaker AI 主控台建立 SageMaker 訓練計畫 SageMaker 訓練計畫提供透過 SageMaker AI 主控台 UI 建立訓練計畫的便利方式，讓使用者能夠輕鬆排程機器學習訓練資源。本指南會逐步引導您使用 SageMaker AI 主控台為 SageMaker 訓練任務和 SageMaker HyperPod 叢集建立訓練計畫。透過遵循這些步驟，您將搜尋訓練計劃方案、檢閱可用的選項，以及購買最符合您需求的計畫。 若要使用 UI 以視覺化方式建立訓練計畫： 1. 從導覽至 SageMaker AI 主控台開始，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側窗格功能表中選擇**訓練計畫**。 1. 從那裡，選擇主要內容區域中的**建立訓練計畫**按鈕，以開始設定自訂訓練排程的程序。 ![\[SageMaker AI 主控台顯示訓練計畫頁面。介面會顯示訓練計畫如何運作的相關資訊，包括請求、監控和使用計畫的步驟。左側導覽窗格醒目提示「訓練計畫」選項，而您可以在主要內容區域中看到「建立訓練計畫」按鈕。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-console.png) 接下來，搜尋符合您運算要求的計畫方案。 **Topics** + [搜尋訓練計畫供應項目](search-training-plan-offerings.md) + [保留最佳訓練計畫](choose-best-training-plan.md) + [列出訓練計畫](list-training-plans.md) + [檢視訓練計畫詳細資訊](training-plan-details.md) # 搜尋訓練計畫供應項目 在 SageMaker AI 主控台的左側窗格中選擇**訓練計畫**，然後**建立訓練計畫**之後，**尋找訓練計畫**表單隨即開啟。此表單可讓您指定要求，並搜尋適合的訓練計畫方案。 遵循以下步驟來完成表單： 1. 識別您的**目標**：訓練計畫專屬於其目標資源。指定您想要使用計劃來執行 SageMaker 訓練任務還是 SageMaker HyperPod 叢集。 1. 對於**運算類型**，您可以在**執行個體**或 **UltraServer** 之間進行選擇。UltraServer 使用低延遲、高頻寬加速器互連來連線多個 Amazon EC2 執行個體。如需詳細資訊，請參閱 [Amazon EC2 UltraServer](https://aws.amazon.com/ec2/ultraservers/)。若要了解如何使用 UltraServer 搭配 SageMaker AI，請參閱 [SageMaker AI 中的 UltraServer](reserve-capacity-with-training-plans.md#training-plans-ultraservers)。 1. 選擇您偏好的**執行個體類型**和**執行個體計數**：如需指定 AWS 區域、持續時間和數量選項中的可用執行個體類型，請參閱 [支援的執行個體類型 AWS 區域和定價](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)。 1. 定義您的時間參數：選擇所需的開始和結束日期，並在此時段內指定計畫持續時間。 1. 選擇**尋找訓練計畫**。 ![\[SageMaker AI 主控台顯示搜尋訓練計畫方案頁面。介面會顯示一些選項，以選取計劃的目標資源 (訓練任務或 HyperPod 叢集)、指定執行個體類型和計數、設定開始和結束日期，以及輸入持續時間。尋找訓練計畫按鈕可在表單底部看見。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-search-training-plan-offerings.png) SageMaker 訓練計畫會搜尋符合您容量要求的方案。在指定的時間範圍內找到相符項目時，它們會出現在頁面底部。每個訓練計畫方案都包含下列詳細資訊： + 計畫持續時間總計 + 開始和結束日期 + 預付總價： 將滑鼠懸停在價格上方，以檢視執行個體每小時費率、執行個體計數和總時數的詳細明細 + 計畫區段的總數。 按一下區段詳細資訊連結即會開啟模態檢視，其中包含區段特定的詳細資訊： + 持續時間 + 開始和結束日期 + Availability zone (可用區域) ![\[SageMaker AI 主控台顯示搜尋訓練計畫方案頁面，其中包含計畫要求的輸入欄位，而可用計畫區段顯示三個所找到計畫的詳細資訊，其持續時間、價格和可用性狀態各不相同。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-available-offerings.png) 如果找不到適合的計畫或可用的計畫不符合您的需求，請修改**訓練計畫要求**表單中的參數來調整搜尋條件。一旦找到適合的方案，請選取該方案，然後選擇**下一步**以繼續前往計畫保留頁面。在此頁面上，您可以命名您的計畫，然後在完成您的保留之前檢閱並確認您的選擇。 **注意** 標記為 `Immediately available` 的計畫將在 30 分鐘內開始，前提是至少在排定的開始時間前 5 分鐘完成了付款。 # 保留最佳訓練計畫 搜尋訓練計畫已傳回符合您容量要求和預算的方案。 1. 輸入您計畫的名稱，然後選擇**下一步**。 1. 檢閱並**提交**您的訂單。 **重要** 訓練計畫一旦購買就無法修改。 訓練計劃無法跨 AWS 帳戶或在您的 AWS 組織內共用。 提交您的訂單之後 + 訓練計畫一開始會以 `Pending` 的形式出現在您的訓練計畫清單中。 + 發票會在收到訂單後自動產生。 + 總付款會在履行程序期間收取。 + 一旦付款成功，計畫狀態會變更為 `Scheduled`，然後計畫可供您使用。 ![\[SageMaker AI 主控台顯示訓練計畫的「檢閱和購買」頁面。此頁面顯示訓練計畫詳細資訊、區段資訊、價格、計畫名稱和標籤。可以選擇編輯、取消、返回或建立計畫。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-review-and-purchase-training-plan.png) # 列出訓練計畫 若要檢視您的訓練計畫： 1. 導覽至 SageMaker AI 主控台，網址為 [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)。 1. 在左側窗格功能表中選擇**訓練計畫**。這會顯示所有訓練計畫的清單，包括其名稱、狀態、目標資源類型，以及其他金鑰詳細資訊。 購買計畫後，會將您導向至這個清單。新建立的計畫會伴隨 `Pending` 狀態出現，直到付款完成為止。此狀態通常會在付款處理後的幾分鐘內更新。 ![\[SageMaker AI 主控台顯示訓練計畫清單頁面。此頁面包含一個資料表，列出訓練計畫及詳細資訊，例如名稱、狀態、執行個體總數、使用中執行個體、區域、開始日期和結束日期。可以看見一個建立新訓練計畫的按鈕。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-list-training-plans.png) # 檢視訓練計畫詳細資訊 從訓練計畫清單中，遵循計畫的名稱來檢視其詳細資訊。具體而言，您可以檢查目前的容量使用情況，並在計畫的詳細資訊頁面中列出工作負載。 詳細資訊頁面顯示： + 訓練計畫概觀：狀態、目標、執行個體類型和持續時間。 + 區段詳細資訊、定價、計畫名稱和標籤的可展開區段。 + 容量使用率： + 總計：此訓練計畫中預留的執行個體總數。 + 使用中：此訓練計畫目前使用的執行個體數量。 + 可用的執行個體：目前可用於此訓練計畫的執行個體數量。 在頁面底部，有一個連結可讓您檢視訓練任務或與該計畫相關聯的 SageMaker HyperPod 叢集執行個體群組清單，視其目標資源而定。 ![\[SageMaker AI 主控台頁面顯示訓練計畫的詳細資訊。此頁面會顯示基本計畫資訊、狀態和執行個體詳細資訊。以下是可展開的區段，以取得其他詳細資訊。在底部，容量使用率區段會顯示計畫的執行個體總計、使用中執行個體和可用執行個體。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/training-plans/tp-view-training-plan.png) # 使用 SageMaker API 建立 SageMaker 訓練計畫，或 AWS CLI SageMaker 訓練計畫支援透過其 API 以程式設計方式建立訓練計畫。您可以使用 AWS CLI 或 SageMaker SDKs與訓練計畫 API 互動。 SageMaker 訓練計畫的 API 動作提供以程式設計方式管理訓練計畫的全方位工作流程： + **`SearchTrainingPlanOfferings`：**可讓使用者透過指定執行個體類型、計數和所需時段等參數來查詢和探索可用的運算資源。API 會傳回最符合使用者要求的訓練計劃方案排名清單。 + **`CreateTrainingPlan`：**允許保留特定的訓練計畫方案，使用唯一的訓練計畫 ARN 將潛在的運算容量轉換為排程的預留容量。 + **`ListTrainingPlans`：**提供擷取和檢閱使用者帳戶中所有現有訓練計劃的方法 AWS ，以及選用的篩選和排序功能。 + **`DescribeTrainingPlan`：**提供特定訓練計畫的詳細洞見，包括其從 `Pending` 到 `Active` 再到 `Expired` 的生命週期階段。 + **`ExtendTrainingPlan`：**透過購買 延伸產品來擴展現有的訓練計劃。如需詳細資訊，請參閱[訓練計畫延伸](training-plan-extension.md)。 + **`DescribeTrainingPlanExtensionHistory`：**擷取訓練計畫的延伸歷史記錄。如需詳細資訊，請參閱[訓練計畫延伸](training-plan-extension.md)。 **Topics** + [搜尋訓練計畫供應項目](search-training-plan-offerings-api-cli-sdk.md) + [保留最佳訓練計畫](choose-best-training-plan-using-api-cli-sdk.md) + [列出訓練計畫](list-training-plans-using-api-cli-sdk.md) + [檢視訓練計畫詳細資訊](training-plan-details-using-api-cli-sdk.md) # 搜尋訓練計畫供應項目 若要建立訓練計畫，請先呼叫 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) API 操作，將您的計劃要求 (例如執行個體類型、計數和所需時段) 做為輸入參數傳遞。訓練計畫專屬於其目標資源。確定您指定計畫將用於哪些目標資源 (`training-job` 或 `hyperpod-cluster`)。API 會傳回符合您要求的可用方案清單。如果找不到合適的方案，您可能需要調整要求並再次搜尋。 此 API 呼叫會擷取最符合您容量需求的訓練計畫方案。回應中傳回的每個 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanOffering.html) 都會以唯一的方案 ID 識別。清單中的第一個方案代表其最符合您的要求。如果在您指定的日期內沒有可用的訓練計畫，則清單為空白。調整您的搜尋條件並尋找一組新的方案。 + 保留持續時間從 1 天到 182 天，增量單位為 1 天。 + 保留執行個體數量選項為 1、2、4、8、16、32 或 64 個執行個體。 若要了解 SageMaker 訓練計畫支援的可用執行個體清單，請參閱 [支援的執行個體類型 AWS 區域和定價](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)。 下列範例使用 AWS CLI 命令來請求具有指定執行個體類型、計數和時間資訊的培訓計劃方案。 ``` # 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" ``` 此 JSON 文件是來自 SageMaker 訓練計畫 API 的範例回應。回應提供符合所指定容量要求的多個可用訓練計畫方案的相關資訊。它包含三種不同的方案，其中具有不同的持續時間、預付費用和開始/結束時間，全部都使用相同的執行個體類型並將訓練任務設為目標。 ``` { "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" } ] } ] } ``` 以下是如何使用 AWS CLI 搜尋包含 UltraServers 之訓練計劃方案的範例命令。 ``` 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" } ] } ] } ``` 下列各節會針對 `SearchTrainingPlanOfferings` API 操作定義必要和選用的輸入請求參數。 ## 必要參數 呼叫 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_SearchTrainingPlanOfferings.html) API 列出符合您要求的訓練計畫方案時，您必須提供下列值： + `TargetResources`：將使用計畫的目標資源 (`training-job` 或 `hyperpod-cluster`)。預設值為 `training-job`。訓練計畫專屬於其目標資源。 + 專為 SageMaker 訓練任務設計的訓練計畫只能用來排程和執行訓練任務。 + HyperPod 叢集的訓練計畫專門用來將運算資源提供給叢集的執行個體群組。 + `InstanceType`：要佈建的執行個體類型。`InstanceType` 必須屬於支援的類型。 若要了解 SageMaker 訓練計畫支援的可用執行個體清單，請參閱 [支援的執行個體類型 AWS 區域和定價](reserve-capacity-with-training-plans.md#training-plans-supported-instances-and-regions)。 + `InstanceCount`：要佈建的執行個體數量。如果執行個體數量大於 1，則應該是 2 的次方。 + `DurationHour`：所請求計畫的總持續時間，以小時為單位。`DurationHour` 會四捨五入至最接近的 24 倍數。 ## 選用的參數 下列各節提供一些選用參數的詳細資訊，您可以將這些參數傳給 `SearchTrainingPlanOfferings` API 請求。 + `StartTimeAfter`：指定計畫的請求開始時間。`StartTimeAfter` 未來應該是 `timestamp` 或 `ISO 8601 date/time` 值。 + `EndTimeBefore`：以 `timestamp` 或 `ISO 8601 date/time` 格式指定計畫的請求結束時間。`EndTimeBefore` 應距開始時間至少 24 小時。 + `UltraServerType`：指定要搜尋的 UltraServer 類型。如需 UltraServer 的詳細資訊，請參閱 [SageMaker AI 中的 UltraServer](reserve-capacity-with-training-plans.md#training-plans-ultraservers)。 + `UltraServerCount`：指定要搜尋的 UltraServer 數量。 # 保留最佳訓練計畫 在檢閱最符合您要求的可用訓練計劃方案之後，您可以透過呼叫 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API 操作來保留特定計畫。建立時，計畫一開始會進入 `Pending` 狀態，並保留到預留程序完成為止。API 呼叫的回應會傳回訓練計畫 Amazon Resource Name (ARN)。請記下此 ARN，以供稍後追蹤和監控之用。訓練計畫保留會在後端以非同步方式完成。總金額的付款會在履行過程中自動收取。一旦完成付款交易並保護請求的預留容量，訓練計畫就會設定為 `Scheduled` 狀態，並準備好進行排程。 **重要** 訓練計畫一旦購買就無法修改。 訓練計劃無法跨 AWS 帳戶或在您的 AWS 組織內共用。 下列範例使用 AWS CLI 命令來請求特定的訓練計劃，並將計劃 ID 做為參數傳遞。 ``` aws sagemaker create-training-plan \ --training-plan-offering-id "tpo-SHA-256-hash-value" \ --training-plan-name "name" \ ``` 此 JSON 文件是來自 SageMaker 訓練計畫 API 的範例回應。回應包含已成功建立之訓練計畫的 Amazon Resource Name (ARN)。 **注意** 訓練計畫會保持 `Pending` 狀態，直到履行程序完成為止。 ``` { "TrainingPlanArn":"arn:aws:sagemaker:us-east-1:123456789123:training-plan/large-models-fine-tuning" } ``` 下列各節會針對 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API 操作定義必要和選用的輸入請求參數。 ## 必要參數 呼叫 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingPlan.html) API 以保留特定訓練計畫時，您必須提供下列值： + `TrainingPlanOfferingId`：您要選擇的計畫 ID。您可以在 `SearchTrainingPlanOfferings` API 呼叫的回應中擷取計畫方案的 ID。其格式應以 `pto-*` 開頭。 + `TrainingPlanName`：您正要建立的計畫名稱。 # 列出訓練計畫 您可以呼叫 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ListTrainingPlans.html) API，列出在 AWS 您的帳戶和區域中建立的所有訓練計畫。 下列範例使用 AWS CLI 命令來擷取訓練計畫的清單。 ``` aws sagemaker list-training-plans \ --start-time-after "2024-09-26T00:00:01.000Z" ``` 此 JSON 文件是來自 SageMaker 訓練計畫 API 的範例回應。回應提供已成功建立和保留之訓練計畫的詳細資訊。 ``` { "[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" } ] } ``` 下列各節提供一些選用參數的詳細資訊，您可以將這些參數傳給 `ListTrainingPlans` API 請求。 ## 選用的參數 下列各節提供一些選用參數的詳細資訊，您可以將這些參數傳給 `ListTrainingPlans` API 請求。 + `StartTimeAfter`：所列計畫實際時間範圍的開始時間，指定為 `timestamp` 或 `ISO 8601 date/time`。 + `StartTimeBefore`：所列計劃實際時間範圍的結束時間，指定為 `timestamp` 或 `ISO 8601 date/time`。 + `Filters`：用來篩選結果的條件，最多 5 個名稱/值對，其中 "Name" 是 [TrainingPlanSummary](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_TrainingPlanSummary.html) 欄位的名稱，而 "Value" 是篩選條件要考慮的值。例如 `Name=Status,Value=Active`。 下列範例使用 AWS CLI 命令，使用上述一些選用參數來擷取訓練計畫清單。 ``` aws sagemaker list-training-plans --max-results 10 --sort-by StartTime --sort-order Descending --start-time-after 13000000 --filters Name=Status,Value=Active ``` # 檢視訓練計畫詳細資訊 若要監控狀態或擷取訓練計畫的詳細資訊，您可以使用 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_DescribeTrainingPlan.html) API。API 回應包含 `Status` 欄位，其中反映訓練計畫的目前狀態： + 如果計畫購買失敗，狀態會設定為 `Failed`。 + 成功付款後，狀態會根據計畫的開始日期從 `Pending` 轉換為 `Scheduled`。 + 當計畫來到其開始日期時，狀態會變更為 `Active`。 + 對於具有多個不連續預留容量的計畫，狀態會在作用中期間之間還原為 `Scheduled`，直到下一個預留容量的開始日期為止。 + 在計畫的結束日期之後，狀態會變成 `Expired`。 一旦狀態為 `Scheduled`，您就可以針對 SageMaker 訓練任務或 HyperPod 叢集工作負載，利用計畫中預留的容量。 **注意** 與計畫相關聯的訓練任務會保持 `Pending` 狀態，直到計畫變成 `Active` 為止。 對於針對運算容量使用訓練計畫的 HyperPod 叢集，一旦建立，執行個體群組狀態就會以 `InService` 出現。 下列範例使用 AWS CLI 命令，依其名稱擷取訓練計劃的詳細資訊。 ``` aws sagemaker describe-training-plan \ --training-plan-name "name" ``` 此 JSON 文件是來自 SageMaker 訓練計畫 API 的範例回應。此回應提供已成功建立之訓練計畫的詳細資訊。 ``` { "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" } ``` 下列各節定義 `DescribeTrainingPlan` API 操作的必要輸入請求參數。 ## 必要參數 + `TrainingPlanName`：您要描述的訓練計畫名稱。