Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
(Archiviata) Libreria SageMaker Model Parallelism v1.x
Importante
A partire dal 19 dicembre 2023, viene rilasciata la libreria SageMaker Model Parallelism (SMP) v2. Le funzionalità di SMP v1 non saranno più supportate nelle versioni future a favore della libreria SMP v2. La sezione e gli argomenti seguenti sono archiviati e riguardano specificamente l’uso della libreria SMP v1. Per informazioni su come utilizzare la libreria SMP v2, consulta Libreria SageMaker Model Parallelism v2.
Utilizza la libreria parallela di modelli di Amazon SageMaker AI per addestrare modelli di deep learning (DL) di grandi dimensioni che sono difficili da addestrare a causa delle limitazioni di memoria della GPU. La libreria suddivide automaticamente ed efficacemente un modello su più GPU e istanze. Utilizzando la libreria, puoi raggiungere più rapidamente l'obiettivo di precisione di previsione addestrando in modo efficiente modelli DL più grandi con miliardi o trilioni di parametri.
Puoi utilizzare la libreria per partizionare automaticamente i tuoi modelli TensorFlow e PyTorch su più GPU e più nodi con modifiche minime al codice. Puoi accedere all'API della libreria tramite SageMaker Python SDK.
Utilizza le seguenti sezioni per saperne di più sul parallelismo dei modelli e sulla libreria parallela di modelli SageMaker. La documentazione API di questa libreria è disponibile nella sezione API di addestramento distribuito
Argomenti
Caratteristiche principali della libreria di parallelismo dei modelli SageMaker
Esecuzione di un processo di addestramento distribuito SageMaker con parallelismo del modello
Checkpoint e ottimizzazione di un modello con il parallelismo dei modelli
Esempi di libreria di parallelizzazione dei modelli v1 di Amazon SageMaker AI
Best practice per il parallelismo dei modelli distribuiti di SageMaker
