翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

サポートされているフレームワーク、 AWS リージョンインスタンスタイプ、テスト済みモデル

SageMaker Training Compiler を使用する前に、選択したフレームワークがサポートされているかどうか、インスタンスタイプが AWS アカウントで利用可能かどうか、および AWS アカウントがサポートされている のいずれかにあるかどうかを確認します AWS リージョン。

サポートされるフレームワーク

SageMaker Training Compiler は、次の深層学習フレームワークをサポートしており、 AWS 深層学習コンテナを通じて利用できます。

PyTorch

TensorFlow

詳細については、「AWS Deep Learning Containers GitHub repository」の「Available Images」を参照してください。

AWS リージョン

SageMaker Training Compiler コンテナは、中国リージョンを除く AWS Deep Learning Containers AWS リージョン が稼働している で利用できます。

サポートされるインスタンスタイプ

SageMaker Training Compiler は、次の ML インスタンスタイプでテストされ、サポートしています。

インスタンスタイプの仕様については、「Amazon EC2 インスタンスタイプ」ページの「高速コンピューティング」のセクションを参照してください。インスタンスの料金の詳細については、「Amazon SageMaker の料金」を参照してください。

次のようなエラーメッセージが表示された場合は、SageMaker AI リソースのサービスクォータの引き上げをリクエストする」の手順に従います。

ResourceLimitExceeded: An error occurred (ResourceLimitExceeded) when calling
the CreateTrainingJob operation: The account-level service limit 'ml.p3dn.24xlarge
for training job usage' is 0 Instances, with current utilization of 0 Instances
and a request delta of 1 Instances.
Please contact AWS support to request an increase for this limit.

テスト済みモデル

次の表に、SageMaker Training Compiler でテスト済みのモデルのリストを示します。参考までに、メモリに収まる最大バッチサイズも、他のトレーニングパラメータと共に示されています。SageMaker Training Compiler は、モデルトレーニングプロセスのメモリフットプリントを変えられます。その結果、トレーニングプロセス中により大きなバッチサイズを使用できる場合が多く、総トレーニング時間を削減できます。場合によっては、SageMaker Training Compiler がキャッシュをインテリジェントに促進して、GPU に収まる最大バッチサイズを小さくします。モデルのハイパーパラメータを再調整して、ケースに最適なバッチサイズを見つける必要があります。時間を節約するために、以下の参照テーブルを使用して、ユースケースに適した開始点となるバッチサイズを調べます。