Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Guida introduttiva all’addestramento di una rete a grafi profonda
DGL è disponibile come container di deep learning in Amazon ECR. È possibile selezionare container di deep learning quando si scrive la funzione dello strumento di valutazione in un notebook Amazon SageMaker. Puoi anche creare un container personalizzato con DGL seguendo la guida Utilizza un container personalizzato. Il metodo più semplice per prendere dimestichezza con una rete a grafi profonda consiste nell’utilizzare uno dei container DGL in Amazon Elastic Container Registry.
Nota
Il supporto del framework di backend è limitato a PyTorch e MXNet.
Configurazione
Se stai utilizzando Amazon SageMaker Studio, devi prima clonare il repository degli esempi. Se stai utilizzando un’istanza del notebook, puoi trovare i relativi esempi scegliendo l’icona di SageMaker AI nella parte inferiore sinistra della barra degli strumenti.
Per clonare il repository degli esempi di notebook e l'SDK per Amazon SageMaker
-
Dalla vista JupyterLab in Amazon SageMaker AI, accedi al browser dei file nella parte superiore sinistra della barra degli strumenti. Dal riquadro del browser dei file è possibile vedere una nuova navigazione nella parte superiore del pannello.
-
Scegliere l'icona all'estrema destra per clonare un repository Git.
-
Aggiungere l'URL del repository: https://github.com/awslabs/amazon-sagemaker-examples.git
-
Sfogliare la cartella appena aggiunta e il relativo contenuto. Gli esempi DGL sono memorizzati nella cartella sagemaker-python-sdk.
Addestramento
Una volta completata la configurazione, la rete a grafi profonda può essere addestrata.
