Utilisation d’un algorithme pour exécuter une tâche d’entraînement

Pour utiliser un algorithme afin d’exécuter une tâche d’entraînement (console)

1. Ouvrez la console SageMaker AI à l'adresse https://console.aws.amazon.com/sagemaker/.

2. Choisissez Algorithmes.

3. Choisissez un algorithme que vous avez créé dans la liste de l’onglet Mes algorithmes ou choisissez un algorithme auquel vous vous êtes abonné sur l’onglet des abonnements AWS Marketplace .

4. Choisissez Créer une tâche d’entraînement.

   L’algorithme que vous avez choisi sera automatiquement sélectionné.

5. Sur la page Créer une tâche d’entraînement, fournissez les informations suivantes :

   1. Sous Nom de la tâche, nommez la tâche d’entraînement.

   2. Pour le rôle IAM, choisissez un rôle IAM doté des autorisations requises pour exécuter des tâches de formation dans SageMaker AI, ou choisissez Créer un nouveau rôle pour permettre à SageMaker AI de créer un rôle auquel la politique AmazonSageMakerFullAccess gérée est associée. Pour plus d'informations, consultez Comment utiliser les rôles d'exécution de l' SageMaker IA.

   3. Sous Configuration des ressources, fournissez les informations suivantes :

      1. Sous Type d’instance, choisissez le type d’instance à utiliser pour l’entraînement.

      2. Sous Nombre d’instances, saisissez le nombre d’instances ML à utiliser pour la tâche d’entraînement.

      3. Sous Taille du volume par instance (Go), entrez la taille du volume de stockage ML que vous souhaitez allouer. Les volumes de stockage ML stockent les artefacts de modèles et les états incrémentiels.

      4. Pour Clé de chiffrement, si vous souhaitez qu'Amazon SageMaker AI utilise une AWS clé de service de gestion des clés pour chiffrer les données du volume de stockage ML attaché à l'instance de formation, spécifiez la clé.

      5. Sous Condition d’arrêt, spécifiez la durée maximale, en secondes, en minutes, en heures ou en jours, pendant laquelle doit s’exécuter la tâche d’entraînement.

   4. Sous VPC, choisissez un Amazon VPC auquel votre conteneur d’entraînement pourra accéder. Pour de plus amples informations, veuillez consulter Permettez à SageMaker AI Training Jobs d'accéder aux ressources de votre Amazon VPC.

   5. Sous Hyperparamètres, spécifiez les valeurs des hyperparamètres à utiliser pour la tâche d’entraînement.

   6. Sous Configuration des données d’entrée, spécifiez les valeurs suivantes pour chaque canal de données d’entrée à utiliser pour la tâche d’entraînement. Les canaux pris en charge par l’algorithme que vous utilisez pour le support d’entraînement, le type de contenu, le type de compression pris en charge et les modes d’entrée pris en charge pour chaque canal sont visibles sous la section Spécification de canal de la page Récapitulatif d’algorithme de l’algorithme.

      1. Dans le champ Nom du canal, saisissez le nom du canal d’entrée.

      2. Sous Type de contenu, saisissez le type de contenu des données attendu par l’algorithme pour le canal.

      3. Sous Type de compression, choisissez le type de compression des données à utiliser, le cas échéant.

      4. Sous Habillage des enregistrements, choisissez RecordIO si l’algorithme attend des données au format RecordIO.

      5. Sous Type de données S3, Type de distribution de données S3 et Emplacement S3, spécifiez les valeurs appropriées. Pour obtenir des informations sur la signification de ces valeurs, consultez S3DataSource.

      6. Sous Mode d’entrée, choisissez Fichier afin de télécharger les données depuis le volume de stockage ML alloué et montez le répertoire dans un volume Docker. Choisissez Tube pour diffuser directement les données d’Amazon S3 vers le conteneur.

      7. Pour ajouter un autre canal d’entrée, choisissez Ajouter canal. Si vous avez terminé d’ajouter des canaux d’entrée, choisissez Terminé.

   7. Sous l’emplacement Sortie, spécifiez les valeurs suivantes :

      1. Sous Chemin de sortie S3, choisissez l’emplacement S3 où la tâche d’entraînement stocke la sortie, tels les artefacts de modèles.

         Note

         Vous utilisez les artefacts de modèles stockés à cet emplacement pour créer un modèle ou un package de modèle à partir de cette tâche d’entraînement.

      2. Pour Clé de chiffrement, si vous souhaitez que l' SageMaker IA utilise une AWS KMS clé pour chiffrer les données de sortie au repos dans l'emplacement S3.

   8. Sous Balises, spécifiez une ou plusieurs balises permettant de gérer la tâche d’entraînement. Chaque balise est constituée d’une clé et d’une valeur facultative. Les clés de balise doivent être uniques à chaque ressource.

   9. Choisissez Créer une tâche d’entraînement afin d’exécuter la tâche d’entraînement.