As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Começando a treinar uma rede gráfica profunda
A DGL está disponível como um contêiner de aprendizado profundo no Amazon ECR. É possível selecionar contêineres de aprendizado profundo ao escrever a função estimadora em um caderno do Amazon SageMaker. Você também pode criar o seu próprio contêiner personalizado com DGL seguindo o guia Traga seu próprio contêiner. A maneira mais fácil de começar a usar uma rede de gráficos profundos é utilizar um dos contêineres DGL no Amazon Elastic Container Registry.
nota
O compatibilidade com a estrutura de backend é limitado ao PyTorch e ao MXNet.
Configuração
Se você estiver usando o Amazon SageMaker Studio, será necessário clonar o repositório de exemplos primeiro. Se você estiver usando uma instância de caderno, será possível encontrar os exemplos ao escolher o ícone do SageMaker AI na parte inferior da barra de ferramentas à esquerda.
Como clonar o repositório de exemplos do SDK e do caderno do Amazon SageMaker
-
Na visualização do JupyterLab no Amazon SageMaker AI, acesse o Navegador de arquivos na parte superior da barra de ferramentas à esquerda. No painel do navegador de arquivos, é possível ver uma nova navegação na parte superior do painel.
-
Selecione o ícone na extrema direita para clonar um repositório Git.
-
Adicione a URL do repositório: https://github.com/awslabs/amazon-sagemaker-examples.git
-
Navegue pela pasta recém-adicionada e seu conteúdo. Os exemplos da DGL são armazenados na pasta sagemaker-python-sdk.
Treinamento
Depois de configuração, você pode treinar a rede de gráficos profundos.
