Usar um algoritmo para executar um trabalho de treinamento

Para usar um algoritmo para executar um trabalho de treinamento (console)

1. Abra o console de SageMaker IA em https://console.aws.amazon.com/sagemaker/.

2. Escolha Algoritmos.

3. Escolha um algoritmo que você criou a partir da lista na guia Meus algoritmos ou escolha um algoritmo que você assinou na guia AWS Marketplace assinaturas.

4. Escolha Criar trabalho de treinamento.

   O algoritmo escolhido será automaticamente selecionado.

5. Na página Criar trabalho de treinamento, forneça as seguintes informações:

   1. Para Nome do trabalho, digite um nome para o trabalho de treinamento.

   2. Para a função IAM, escolha uma função do IAM que tenha as permissões necessárias para executar trabalhos de treinamento em SageMaker IA ou escolha Criar uma nova função para permitir que a SageMaker IA crie uma função que tenha a política AmazonSageMakerFullAccess gerenciada anexada. Para mais informações, consulte Como usar funções de execução de SageMaker IA.

   3. Para Configuração de recursos, forneça as seguintes informações:

      1. Para Tipo de instância, escolha o tipo de instância a ser usado para treinamento.

      2. Para Contagem de instâncias, digite o número de instâncias de ML a serem usadas no trabalho de treinamento.

      3. Para Volume adicional por instância (GB), digite o tamanho do volume de armazenamento de ML que você deseja provisionar. Volumes de armazenamento de ML armazenam artefatos de modelo e estados incrementais.

      4. Para Chave de criptografia, se você quiser que a Amazon SageMaker AI use uma AWS chave do Key Management Service para criptografar dados no volume de armazenamento de ML anexado à instância de treinamento, especifique a chave.

      5. Para Condição de interrupção, especifique o tempo máximo em segundos, minutos, horas ou dias que você deseja que o trabalho de treinamento seja executado.

   4. Para VPC, escolha uma Amazon VPC que você deseja permitir que o seu contêiner de treinamento acesse. Para obter mais informações, consulte Ofereça aos trabalhos de treinamento de SageMaker IA acesso a recursos em sua Amazon VPC.

   5. Para Hiperparâmetros, especifique os valores dos hiperparâmetros a serem usados para o trabalho de treinamento.

   6. Para Configuração dos dados de entrada, especifique os seguintes valores para cada canal de dados de entrada a ser usado para o trabalho de treinamento. Você pode ver quais são os canais compatíveis pelo algoritmo usado para treinamento, o tipo de conteúdo compatível, o tipo de compressão com suporte e os modos de entrada com suporte para cada canal na seção Especificação do canal da página Resumo do algoritmo desse algoritmo.

      1. Para Nome do canal, digite o nome do canal de entrada.

      2. Para Tipo de conteúdo, digite o tipo de conteúdo dos dados que o algoritmo espera para o canal.

      3. Para Tipo de compactação, escolha o tipo de compactação de dados a ser usado, se houver.

      4. Para Wrapper de registro, escolha RecordIO se o algoritmo espera dados no formato RecordIO.

      5. Para Tipo de dados do S3, Tipo de distribuição de dados do S3 e Localização do S3, especifique os valores apropriados. Para obter informações sobre o significado desses valores, consulte S3DataSource.

      6. Para Modo de entrada, escolha Arquivo para fazer download dos dados do volume de armazenamento de ML provisionado e montar o diretório em um volume do Docker. Escolha Pipe para transmitir dados diretamente do Amazon S3 para o contêiner.

      7. Para adicionar outro canal de entrada, escolha Adicionar canal. Se você terminou de adicionar canais de entrada, escolha Concluído.

   7. Para a localização da Saída, especifique os seguintes valores:

      1. Para Caminho de saída do S3, escolha a localização do S3 na qual o trabalho de treinamento armazena a saída, como artefatos de modelo.

         nota

         Você usa os artefatos de modelo armazenados nessa localização para criar um modelo ou um pacote de modelos a partir desse trabalho de treinamento.

      2. Para a chave de criptografia, se você quiser que a SageMaker IA use uma AWS KMS chave para criptografar os dados de saída em repouso no local do S3.

   8. Para Tags, especifique uma ou mais tags para gerenciar o trabalho de treinamento. Cada tag consiste em uma chave e um valor opcional. Chaves de tags devem ser exclusivas por recurso.

   9. Escolha Criar trabalho de treinamento para executar o trabalho de treinamento.