Creazione di una risorsa algoritmo

Per creare una risorsa algoritmo (console)

1. Apri la console di SageMaker AI all’indirizzo https://console.aws.amazon.com/sagemaker/.

2. Dal menu a sinistra, scegli Addestramento.

3. Dal menu a discesa, scegli Algoritmi, quindi scegli Crea algoritmo.

4. Nella pagina Specifiche dell’addestramento, inserisci le seguenti informazioni:

   1. Per Nome algoritmo digita un nome per l'algoritmo. Il nome dell'algoritmo deve essere univoco nell'account e nella Regione AWS. Il nome deve essere composto da 1 a 64 caratteri. I caratteri validi sono a–z, A-Z, 0–9 e - (trattino).

   2. Digita una descrizione per l'algoritmo. Questa descrizione viene visualizzata nella console SageMaker AI e su Marketplace AWS.

   3. Per Immagine di addestramento, digita il percorso in Amazon ECR in cui è archiviato il container di addestramento.

   4. Per Supporto addestramento distribuito scegli Sì se l'algoritmo supporta l’addestramento su più istanze. Altrimenti, scegli No.

   5. Per Supporto dei tipi di istanza per l’addestramento, scegli i tipi di istanza supportati dall'algoritmo.

   6. Per Specifica del canale, specifica fino a 8 canali di dati di input per l'algoritmo. Ad esempio, è possibile specificare 3 canali di input denominati train, validation e test. Per ogni canale, specifica le seguenti informazioni.

      1. Per Nome canale digita un nome per il canale. Il nome deve essere composto da 1 a 64 caratteri. I caratteri validi sono a–z, A-Z, 0–9 e - (trattino).

      2. Per richiedere il canale per l'algoritmo, scegli Canale obbligatorio.

      3. Digita una descrizione del canale.

      4. Per Modalità di input supportate, scegli Modalità pipe se l'algoritmo supporta lo streaming dei dati di input e Modalità dei file se l'algoritmo supporta il download dei dati di input come file. È possibile sceglierle entrambe.

      5. Per Tipi di contenuto supportati, digita il tipo MIME previsto dall'algoritmo come dati di input.

      6. Per Tipi di compressione supportati, scegli Gzip se l'algoritmo supporta la compressione Gzip. Altrimenti, seleziona Nessuno.

      7. Scegli Aggiungi canale per aggiungere un altro canale di input oppure scegli Successivo se non desideri aggiungere altri canali.

5. Nella pagina Specifiche dell'ottimizzazione, inserisci le seguenti informazioni:

   1. Per Specifica degli iperparametri, specifica gli iperparametri supportati dall'algoritmo modificando l'oggetto JSON. Per ciascun iperparametro supportato dall'algoritmo, crea un blocco JSON simile al seguente:

      {
      "DefaultValue": "5",
      "Description": "The first hyperparameter",
      "IsRequired": true,
      "IsTunable": false,
      "Name": "intRange",
      "Range": {
      "IntegerParameterRangeSpecification": {
      "MaxValue": "10",
      "MinValue": "1"
      },
      "Type": "Integer"
      }

      Nel JSON, inserisci le seguenti informazioni:

      1. Per DefaultValue, specifica un valore predefinito per l'iperparametro, se presente.

      2. Per Description, specifica una descrizione per l'iperparametro.

      3. Per IsRequired, specifica se l'iperparametro è obbligatorio.

      4. Per IsTunable, specifica true se questo iperparametro può essere ottimizzato quando un utente esegue un processo di ottimizzazione iperparametri che utilizza questo algoritmo. Per informazioni, consultare Ottimizzazione automatica dei modelli con AI SageMaker .

      5. Per Name, specifica un nome per l'iperparametro.

      6. Per Range, specifica uno dei seguenti valori:

         • IntegerParameterRangeSpecification - i valori dell'iperparametro sono numeri interi. Specifica il valore minimo e massimo per l'iperparametro.

         • ContinuousParameterRangeSpecification - i valori dell'iperparametro sono valori in virgola mobile. Specifica il valore minimo e massimo per l'iperparametro.

         • CategoricalParameterRangeSpecification - i valori dell'iperparametro sono valori categorici. Specifica un elenco di tutti i valori possibili.

      7. Per Type, specifica Integer, Continuous o Categorical. Il valore deve corrispondere al tipo di Range specificato.

   2. Per le Definizioni parametro, specifica i parametri di addestramento che desideri che l'algoritmo emetta. SageMaker AI utilizza l’espressione regolare specificata per trovare le metriche analizzando i log dal container di addestramento durante l’addestramento. Gli utenti possono visualizzare questi parametri quando eseguono i processi di addestramento con l'algoritmo e possono monitorare e tracciare i parametri in Amazon CloudWatch. Per informazioni, consulta Metriche Amazon CloudWatch per il monitoraggio e l’analisi dei job di addestramento. Per ogni parametro, specifica le seguenti informazioni:

      1. Per Nome parametro, digita un nome per il parametro.

      2. Per Regex, digita l’espressione regolare utilizzata da SageMaker AI per analizzare i log di addestramento e trovare il valore della metrica.

      3. Per Supporto parametro obiettivo scegli Sì se il parametro può essere utilizzato come parametro obiettivo per un processo di ottimizzazione iperparametri. Per informazioni, consulta Ottimizzazione automatica dei modelli con AI SageMaker .

      4. Scegli Aggiungi parametro per aggiungere un altro parametro oppure scegli Successivo se desideri aggiungere altri parametri.

6. Nella pagina Specifiche dell'inferenza, inserisci le seguenti informazioni se l'algoritmo supporta l'inferenza:

   1. In Posizione di immagine di inferenza, digita il percorso in Amazon ECR in cui è archiviato il container di inferenza.

   2. Per Nome host container DNS, digita il nome di un host DNS per l'immagine.

   3. Per Tipi di istanza supportati per l’inferenza in tempo reale, scegli i tipi di istanza supportati dall’algoritmo per i modelli implementati come endpoint ospitati in SageMaker AI. Per informazioni, consultare Implementa modelli per l'inferenza.

   4. Per Tipi di istanze supportati per le operazioni di trasformazione in batch, scegli i tipi di istanza supportati dall'algoritmo per i processi di trasformazione in batch. Per informazioni, consulta Trasformazione in batch per l'inferenza con Amazon SageMaker AI.

   5. Per Tipi di contenuto supportati, digita il tipo dei dati di input previsti dall'algoritmo come richieste di inferenza.

   6. Per Tipi MIME di risposta supportati, digita i tipi MIME supportati dall'algoritmo per le risposte di inferenza.

   7. Scegli Next (Successivo).

7. Nella pagina Specifiche della convalida, inserisci le seguenti informazioni:

   1. Per Pubblica questo algoritmo su Marketplace AWS, scegli Sì per pubblicare l'algoritmo su Marketplace AWS.

   2. Per Convalida questa risorsa, scegli Sì se desideri che SageMaker AI esegua i job di addestramento e/o i processi di trasformazione in batch specificati per testare il codice di addestramento e/o inferenza dell’algoritmo.

      Nota

      Per poter essere pubblicato in Marketplace AWS, l'algoritmo deve essere convalidato.

   3. Per Ruolo IAM, scegli un ruolo IAM con le autorizzazioni necessarie per eseguire job di addestramento e processi di trasformazione in batch in SageMaker AI oppure scegli Crea un nuovo ruolo per consentire a SageMaker AI di creare un ruolo con la policy gestita AmazonSageMakerFullAccess collegata. Per informazioni, consultare Come utilizzare i ruoli di esecuzione dell' SageMaker IA.

   4. Per Profilo di convalida, specifica i seguenti valori:

      • Un nome per il profilo di convalida.

      • Una definizione del processo di addestramento. È un blocco JSON che descrive un processo di addestramento. Il formato è uguale a quello del parametro di input TrainingJobDefinition dell'API CreateAlgorithm.

      • Una definizione del processo di trasformazione. È un blocco JSON che descrive un processo di trasformazione in batch. Il formato è uguale a quello del parametro di input TransformJobDefinition dell'API CreateAlgorithm.

   5. Seleziona Crea algoritmo.