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. Puoi selezionare contenitori di deep learning quando scrivi la funzione di stima su un SageMaker notebook Amazon. 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 utilizzi Amazon SageMaker Studio, devi prima clonare l'archivio degli esempi. Se utilizzi un'istanza notebook, puoi trovare gli esempi scegliendo l'icona SageMaker AI nella parte inferiore della barra degli strumenti a sinistra.
Per clonare l'Amazon SageMaker SDK e l'archivio di esempi di notebook
-
Dalla JupyterLabvista in Amazon SageMaker AI, vai al File Browser nella parte superiore della barra degli strumenti a sinistra. 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.
-
Aggiungi 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.
