Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Conectarse a HyperPod clústeres y enviar tareas a los clústeres
Puede lanzar cargas de trabajo de aprendizaje automático en HyperPod clústeres dentro de los IDE de Amazon SageMaker Studio. Al lanzar los IDE de Studio en un HyperPod clúster, hay un conjunto de comandos disponibles para ayudarle a empezar. Puede trabajar en los scripts de entrenamiento, usar contenedores de Docker para los scripts de entrenamiento y enviar trabajos al clúster, todo ello desde los IDE de Studio. En la siguiente sección, se proporciona información sobre cómo conectar el clúster a los IDE de Studio.
En Amazon SageMaker Studio, puede navegar hasta uno de sus clústeres en HyperPodclústeres (en Compute) y ver la lista de clústeres. Puede conectar el clúster a un IDE que aparezca en Acciones.
También puede elegir un sistema de archivos personalizado de la lista de opciones. Para obtener más información sobre cómo obtener esta configuración, consulte Configuración HyperPod en Studio.
De forma alternativa, puede crear un espacio e iniciar un IDE mediante la AWS CLI. Para ello, utilice los siguientes comandos. En el siguiente ejemplo, se crea un espacio Private de JupyterLab para user-profile-namefs-id
-
Cree un espacio con
create-spaceAWS CLI. aws sagemaker create-space \ --regionyour-region\ --ownership-settings "OwnerUserProfileName=user-profile-name" \ --space-sharing-settings "SharingType=Private" \ --space-settings "AppType=JupyterLab,CustomFileSystems=[{FSxLustreFileSystem={FileSystemId=fs-id}}]" -
Cree la aplicación con
create-appAWS CLI. aws sagemaker create-app \ --regionyour-region\ --space-namespace-name\ --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'
Cuando haya abierto las aplicaciones, podrá enviar las tareas directamente a los clústeres a los que esté conectado.
