Erste Schritte beim Training eines Deep-Graph-Netzwerks - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erste Schritte beim Training eines Deep-Graph-Netzwerks

DGL ist als Deep-Learning-Container in Amazon ECR verfügbar. Sie können Deep-Learning-Container auswählen, wenn Sie Ihre Schätzfunktion in ein Amazon SageMaker-Notebook schreiben. Sie können mit DGL auch Ihren eigenen Container erstellen, indem Sie der Anleitung Bring Your Own Container folgen. Der einfachste Weg, mit einem Deep-Graph-Netzwerk zu beginnen, verwendet einen der DGL-Container in Amazon Elastic Container Registry. 

Anmerkung

Die Unterstützung des Backend-Frameworks ist auf PyTorch und MXNet beschränkt.

Aufstellen

Wenn Sie Amazon SageMaker Studio verwenden, müssen Sie zunächst das Beispiel-Repository klonen. Wenn Sie eine Notebook-Instance verwenden, können Sie die Beispiele über das SageMaker-AI-Symbol unten in der linken Symbolleiste aufrufen.

So klonen Sie das Amazon SageMaker SDK- und Notebook-Beispiel-Repository

  1. Gehen Sie in der JupyterLab-Ansicht in Amazon SageMaker AI zum Dateibrowser oben in der linken Symbolleiste. Im Datei-Browser-Bereich können Sie eine neue Navigation oben im Bereich sehen.

  2. Wählen Sie das Symbol ganz rechts, um ein Git-Repository zu klonen.

  3. Fügen Sie die Repository-URL hinzu: https://github.com/awslabs/amazon-sagemaker-examples.git

  4. Durchsuchen Sie den neu hinzugefügten Ordner und dessen Inhalt. Die DGL-Beispiele sind im Ordner sagemaker-python-sdk gespeichert.

Trainieren

Nach der Einrichtung können Sie das Deep-Graph-Netzwerk trainieren.