Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Conectarse a HyperPod clústeres y enviar tareas a los clústeres
Puede lanzar cargas de trabajo de aprendizaje automático en HyperPod clústeres de Amazon SageMaker Studio IDEs. Cuando lanzas Studio IDEs en un HyperPod clúster, hay un conjunto de comandos disponibles para ayudarte a empezar. Puedes trabajar en tus guiones de entrenamiento, usar contenedores de Docker para los guiones de entrenamiento y enviar trabajos al clúster, todo desde Studio IDEs. En la siguiente sección, se proporciona información sobre cómo conectar el clúster a Studio IDEs.
En Amazon SageMaker Studio, puede navegar hasta uno de sus clústeres en HyperPodclústeres (en Compute) y ver la lista de clústeres. Puede conectar el clúster a un IDE que aparezca en Acciones.
También puede elegir un sistema de archivos personalizado de la lista de opciones. Para obtener más información sobre cómo obtener esta configuración, consulte Configuración HyperPod en Studio.
De forma alternativa, puede crear un espacio e iniciar un IDE mediante la AWS CLI. Para ello, utilice los siguientes comandos. En el siguiente ejemplo, se crea un Private JupyterLab espacio user-profile-namefs-id
-
Cree un espacio con.
create-spaceAWS CLI aws sagemaker create-space \ --regionyour-region\ --ownership-settings "OwnerUserProfileName=user-profile-name" \ --space-sharing-settings "SharingType=Private" \ --space-settings "AppType=JupyterLab,CustomFileSystems=[{FSxLustreFileSystem={FileSystemId=fs-id}}]" -
Cree la aplicación con
create-appAWS CLI. aws sagemaker create-app \ --regionyour-region\ --space-namespace-name\ --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'
Cuando haya abierto las aplicaciones, podrá enviar las tareas directamente a los clústeres a los que esté conectado.
