Utilizzo della formazione distribuita in AWS Clean Rooms ML

Per eseguire un processo di formazione distribuito (console)

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console all'indirizzo https://console.aws.amazon.com/cleanrooms.

2. Nel riquadro di navigazione a sinistra, scegli Collaborazioni.

3. Nella pagina Collaborazioni, scegli la collaborazione in cui desideri creare un modello addestrato.

4. Dopo l'apertura della collaborazione, scegli la scheda Modelli ML.

5. In Modelli ML personalizzati, nella sezione Modelli addestrati, scegli Crea modello addestrato.

6. Nella pagina Crea modello addestrato, per Algoritmo di modello associato, specifica l'algoritmo

7. Per i dettagli del modello addestrato, inserisci quanto segue:

   1. Per Nome, inserisci un nome univoco per il modello nella collaborazione.

   2. (Facoltativo) In Descrizione, inserite una descrizione del modello addestrato.

   3. Per la modalità di immissione dei dati di addestramento, scegliete una delle seguenti opzioni:

      • Seleziona File se disponi di un set di dati più piccolo che può essere inserito nel volume di archiviazione ML e preferisci l'accesso tradizionale al file system per lo script di formazione.

      • Seleziona Pipe per set di dati di grandi dimensioni per lo streaming dei dati direttamente da S3, evitando di dover scaricare tutto su disco, il che può migliorare la velocità di addestramento e ridurre i requisiti di archiviazione.

      • Scegli FastFilese vuoi combinare i vantaggi dello streaming da S3 con l'accesso al file system, in particolare per i dati letti in sequenza o quando hai a che fare con meno file per tempi di avvio più rapidi.

8. Per i dettagli del canale di input ML, procedi come segue:

   1. Per il canale di input ML, specificate il canale di input ML che fornisce dati all'algoritmo del modello.

      Per aggiungere un altro canale, scegliete Aggiungi un altro canale di input ML. È possibile aggiungere fino a 19 canali di ingresso ML aggiuntivi.

   2. Per Nome canale, inserite il nome del canale di ingresso ML.

   3. Per il tipo di distribuzione dei dati di Amazon S3, scegli una delle seguenti opzioni:

      • Seleziona Completamente replicato per fornire a ogni istanza di formazione una copia completa del set di dati. Ciò funziona al meglio quando il set di dati è sufficientemente piccolo da contenere la memoria o quando ogni istanza deve accedere a tutti i dati.

      • Seleziona Sharded by S3 key per dividere il set di dati tra le istanze di addestramento basate sulle chiavi S3. Ogni istanza riceve circa 1/n del totale di oggetti S3, dove 'n' è il numero di istanze. Funziona meglio per set di dati di grandi dimensioni che desideri elaborare in parallelo.

      Nota

      Considerate le dimensioni del set di dati e i requisiti di formazione quando selezionate un tipo di distribuzione. La replica completa fornisce l'accesso completo ai dati ma richiede più spazio di archiviazione, mentre Sharded by S3 key consente l'elaborazione distribuita di set di dati di grandi dimensioni.

9. Per la durata massima dell'allenamento, scegli il periodo di tempo massimo per addestrare il tuo modello.

10. Per Hyperparameters, specificate tutti i parametri specifici dell'algoritmo e i relativi valori previsti. Gli iperparametri sono specifici del modello da addestrare e vengono utilizzati per ottimizzare l'addestramento del modello.

11. Per le variabili di ambiente, specificate tutte le variabili specifiche dell'algoritmo e i valori previsti. Le variabili di ambiente sono impostate nel contenitore Docker.

12. Per utilizzare una crittografia personalizzata AWS KMS key, seleziona la casella di controllo Crittografa il segreto con una chiave KMS personalizzata.

13. Per la configurazione EC2 delle risorse, specifica le informazioni sulle risorse di calcolo utilizzate per l'addestramento dei modelli.

    1. Per Tipo di istanza, scegli il tipo di istanza che desideri eseguire.

       I tipi di istanze supportati per la formazione distribuita sono:

       • ml.m5.4xlarge

       • ml.m5.12xlarge

       • ml.m5.2xlarge

       • ml.g5.12xlarge

       • ml.g5.24xlarge

    2. Per Numero di istanze, inserisci il numero di istanze.

    3. Per Dimensione del volume in GB, inserisci la dimensione del volume di archiviazione ML.

14. Scegli Crea modello addestrato.