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.
Connessione ai HyperPod cluster e invio di attività ai cluster
Puoi avviare carichi di lavoro di machine learning su HyperPod cluster all'interno di Amazon SageMaker Studio. IDEs Quando avvii Studio IDEs su un HyperPod cluster, è disponibile una serie di comandi per aiutarti a iniziare. Puoi lavorare sugli script di formazione, utilizzare i contenitori Docker per gli script di formazione e inviare lavori al cluster, il tutto dall'interno di Studio. IDEs La sezione seguente fornisce informazioni su come connettere il cluster a Studio. IDEs
In Amazon SageMaker Studio puoi accedere a uno dei tuoi cluster all'interno dei HyperPodcluster (in Compute) e visualizzare l'elenco dei cluster. Puoi connettere il tuo cluster a un IDE elencato in Azioni.
Puoi anche scegliere un file system personalizzato dall’elenco delle opzioni. Per informazioni su come eseguire la configurazione, consulta Configurazione in Studio HyperPod.
In alternativa, puoi creare uno spazio e avviare un IDE utilizzando la AWS CLI. A tale scopo, utilizza i comandi seguenti. L'esempio seguente crea uno Private JupyterLab spazio per user-profile-namefs-id
-
Create uno spazio utilizzando.
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}}]" -
Crea l'app utilizzando
create-appAWS CLI. aws sagemaker create-app \ --regionyour-region\ --space-namespace-name\ --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'
Una volta aperte le applicazioni, puoi inviare le attività direttamente ai cluster connessi.
