Aktifkan pelatihan - Amazon SageMaker AI

View a markdown version of this page

Aktifkan pelatihan - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Aktifkan pelatihan

Saat menambahkan model untuk dibagikan, Anda dapat secara opsional menyediakan lingkungan pelatihan dan mengizinkan kolaborator dalam organisasi Anda untuk melatih model bersama.

catatan

Jika Anda menambahkan model tabular, Anda juga perlu menentukan format kolom dan kolom target untuk mengaktifkan pelatihan.

Setelah memberikan detail dasar tentang model Anda, Anda harus mengonfigurasi pengaturan untuk pekerjaan pelatihan yang akan digunakan untuk melatih model Anda. Ini melibatkan menentukan lingkungan kontainer, skrip kode, kumpulan data, lokasi keluaran, dan berbagai parameter lainnya untuk mengontrol bagaimana pekerjaan pelatihan dijalankan. Untuk mengonfigurasi pengaturan pekerjaan pelatihan, ikuti langkah-langkah berikut:

  1. Tambahkan wadah untuk digunakan untuk pelatihan model. Anda dapat memilih wadah yang digunakan untuk pekerjaan pelatihan yang ada, membawa wadah Anda sendiri di Amazon ECR, atau menggunakan Amazon SageMaker Deep Learning Container.

  2. Tambahkan variabel lingkungan.

  3. Berikan lokasi skrip pelatihan.

  4. Menyediakan titik masuk mode skrip.

  5. Menyediakan URI Amazon S3 untuk artefak model yang dihasilkan selama pelatihan.

  6. Berikan URI Amazon S3 ke dataset pelatihan default.

  7. Menyediakan jalur keluaran model. Jalur keluaran model harus menjadi jalur URI Amazon S3 untuk artefak model apa pun yang dihasilkan dari pelatihan. SageMaker AI menyimpan artefak model sebagai file TAR terkompresi tunggal di Amazon S3.

  8. Berikan kumpulan data validasi untuk digunakan untuk mengevaluasi model Anda selama pelatihan. Kumpulan data validasi harus berisi jumlah kolom yang sama dan header fitur yang sama dengan dataset pelatihan.

  9. Aktifkan isolasi jaringan. Isolasi jaringan mengisolasi wadah model sehingga tidak ada panggilan jaringan masuk atau keluar yang dapat dilakukan ke atau dari wadah model.

  10. Berikan saluran pelatihan di mana SageMaker AI dapat mengakses data Anda. Misalnya, Anda dapat menentukan saluran input bernama train atautest. Untuk setiap saluran, tentukan nama saluran dan URI ke lokasi data Anda. Pilih Brow se untuk mencari lokasi Amazon S3.

  11. Berikan hyperparameter. Tambahkan hyperparameter apa pun yang harus digunakan kolaborator untuk bereksperimen selama pelatihan. Berikan rentang nilai yang valid untuk hyperparameter ini. Rentang ini digunakan untuk pelatihan validasi hyperparameter pekerjaan. Anda dapat menentukan rentang berdasarkan tipe data dari hyperparameter.

  12. Pilih jenis instans. Kami merekomendasikan instance GPU dengan lebih banyak memori untuk pelatihan dengan ukuran batch besar. Untuk daftar lengkap instans SageMaker pelatihan di seluruh AWS Wilayah, lihat tabel On-Demand Harga di SageMaker Harga Amazon.

  13. Berikan metrik. Tentukan metrik untuk pekerjaan pelatihan dengan menentukan nama dan ekspresi reguler untuk setiap metrik yang dipantau pelatihan Anda. Rancang ekspresi reguler untuk menangkap nilai metrik yang dipancarkan algoritma Anda. Misalnya, metrik loss mungkin memiliki ekspresi reguler"Loss =(.*?);".