Verwenden eines Algorithmus zum Ausführen eines Trainingsauftrags

So verwenden Sie einen Algorithmus zum Ausführen eines Trainingsauftrags (Konsole)

1. Öffnen Sie die SageMaker-AI-Konsole unter https://console.aws.amazon.com/sagemaker/.

2. Wählen Sie Algorithmen aus.

3. Wählen Sie einen Algorithmus, den Sie aus der Liste auf der Registerkarte Meine Algorithmen erstellt haben, oder wählen Sie auf der Registerkarte AWS Marketplace-Abonnements einen Algorithmus aus, den Sie abonniert haben.

4. Wählen Sie Trainingsauftrag erstellen aus.

   Der Algorithmus, den Sie ausgewählt haben, wird automatisch markiert.

5. Geben Sie auf der Seite Trainingsauftrag erstellen folgende Informationen ein:

   1. Geben Sie für Name des Auftrags einen Namen für den Trainingsauftrag ein.

   2. Wählen Sie für IAM-Rolle eine IAM-Rolle aus, die über die erforderlichen Berechtigungen zum Ausführen von Trainingsaufträgen in SageMaker AI verfügt, oder wählen Sie Eine neue Rolle erstellen aus, damit SageMaker AI eine Rolle erstellen kann, welcher die AmazonSageMakerFullAccess verwaltete Richtlinie angefügt ist. Weitere Informationen finden Sie unter Wie verwendet man SageMaker AI-Ausführungsrollen.

   3. Geben Sie für Ressourcenkonfiguration die folgenden Informationen an:

      1. Wählen Sie unter Instance-Typ den Instance-Typ aus, der für das Training benutzt werden soll.

      2. Geben Sie unter Instance-Anzahl die Anzahl von ML-Instances ein, die für den Trainingsauftrag verwendet werden sollen.

      3. Geben Sie für Zusätzliches Volume pro Instance (GB) die Größe des ML-Speicher-Volumes ein, das Sie bereitstellen möchten. ML-Speicher-Volumes speichern Modellartefakte und inkrementelle Zustände.

      4. Geben Sie unter Verschlüsselungsschlüssel den Schlüssel an, wenn Sie möchten, dass Amazon SageMaker AI einen AWS Key Management Service-Schlüssel zum Verschlüsseln von Daten im ML-Speicher-Volume verwendet, das der Trainings-Instance angefügt ist.

      5. Geben Sie für Stopp-Bedingung die maximale Zeitspanne in Sekunden, Minuten, Stunden oder Tagen an, die der Trainingsauftrag ausgeführt werden soll.

   4. Wählen Sie für VPC eine Amazon VPC aus, auf die Ihr Trainingscontainer zugreifen kann. Weitere Informationen finden Sie unter Geben Sie SageMaker KI-Schulungsjobs Zugriff auf Ressourcen in Ihrer Amazon VPC.

   5. Geben Sie für Hyperparameter die Werte der Hyperparameter an, die für den Trainingsauftrag verwendet werden sollen.

   6. Geben Sie unter Eingabedatenkonfiguration die folgenden Werte für jeden Eingabedatenkanal an, der für den Trainingsauftrag verwendet werden soll. Im Abschnitt Kanalspezifikation der Seite Algorithmusübersicht können Sie sehen, welche Kanäle der von Ihnen verwendete Algorithmus für das Training unterstützt, sowie den Inhaltstyp, den unterstützten Komprimierungstyp und unterstützte Eingabemodi für jeden Kanal.

      1. Geben Sie unter Kanalname den Namen des Eingabekanals ein.

      2. Geben Sie für Content type (Content-Type) den Inhaltstyp der Daten ein, die der Algorithmus für den Channel erwartet.

      3. Wählen Sie für Komprimierungstyp den Datenkomprimierungstyp aus, falls vorhanden.

      4. Wählen Sie für Wrapper aufzeichnen die Option RecordIO aus, wenn der Algorithmus Daten im RecordIO-Format erwartet.

      5. Geben Sie für S3 data type (S3-Datentyp), S3 data distribution type (S3-Verteilungstyp) und S3 location (S3-Speicherort) die entsprechenden Werte ein. Weitere Informationen zur Bedeutung dieser Werte finden Sie unter S3DataSource.

      6. Wählen Sie für Eingabemodus die Option Datei aus, um die Daten aus dem bereitgestellten ML-Speicher-Volume herunterzuladen, und mounten Sie das Verzeichnis in ein Docker-Volume. Wählen Sie Pipe aus, um Daten direkt von Amazon S3 in den Container zu streamen.

      7. Um einen weiteren Eingabekanal hinzuzufügen, wählen Sie Kanal hinzufügen aus. Wenn Sie mit dem Hinzufügen von Eingabekanälen fertig sind, wählen Sie Fertig aus.

   7. Geben Sie für den Speicherort Ausgabe die folgende Werte an:

      1. Wählen Sie für S3-Ausgabepfad den S3-Speicherort aus, an dem der Trainingsauftrag die Ausgabe wie z. B. Modellartefakte speichert.

         Anmerkung

         Sie verwenden die Modellartefakte an diesem Speicherort zum Erstellen eines Modells oder Modellpakets aus diesem Trainingsauftrag.

      2. Für Verschlüsselungsschlüssel, wenn Sie möchten, dass SageMaker AI einen AWS KMS-Schlüssel verwendet, um Ausgabedaten im Ruhezustand im S3-Speicherort zu verschlüsseln.

   8. Geben Sie für Tags ein oder mehrere Tags an, um den Trainingsauftrag zu verwalten. Jedes Tag besteht aus einem Schlüssel und einem optionalen Wert. Tag-Schlüssel müssen in einer Ressource eindeutig sein.

   9. Wählen Sie Trainingsauftrag erstellen aus, um den Trainingsauftrag auszuführen.