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.
Ausführen von Trainingsjobs auf einem heterogenen Cluster
Mithilfe der Funktion für heterogene Cluster von SageMaker Training können Sie einen Trainingsjob mit mehreren Typen von ML-Instances ausführen, um die Ressourcen besser skalieren und für verschiedene ML-Trainingsaufgaben und -zwecke nutzen zu können. Wenn Ihr Trainingsjob auf einem Cluster mit GPU-Instances beispielsweise unter einer niedrigen GPU-Auslastung leidet und aufgrund von CPU-intensive Aufgaben CPU-Engpässe auftreten, kann die Verwendung eines heterogenen Clusters dazu beitragen, CPU-intensive Aufgaben auszulagern, indem kosteneffizientere CPU-Instanzgruppen hinzugefügt, solche Engpassprobleme behoben und eine bessere GPU-Auslastung erreicht werden.
Anmerkung
Diese Funktion ist im Python SDK v2.98.0 und höher verfügbar. SageMaker
Anmerkung
Diese Funktion ist über die SageMaker AI-Klasse verfügbar. ModelTrainer
Weitere Informationen finden Sie im Blog Verbessern Sie das Preis-Leistungs-Verhältnis Ihres Modelltrainings mithilfe heterogener Amazon SageMaker AI-Cluster.
Themen
