在 AWS Clean Rooms ML 中使用分散式訓練

執行分散式訓練任務 （主控台）

1. 登入 AWS Management Console ，並在 https：//https://console.aws.amazon.com/cleanrooms 開啟 AWS Clean Rooms 主控台。

2. 在左側導覽窗格中，選擇協同合作。

3. 在協同合作頁面上，選擇您要建立訓練模型的協同合作。

4. 協同合作開啟後，選擇 ML 模型索引標籤。

5. 在自訂 ML 模型下，在訓練模型區段中，選擇建立訓練模型。

6. 在建立訓練過的模型頁面上，針對關聯的模型演算法指定演算法

7. 如需訓練模型的詳細資訊，請輸入下列項目：

   1. 在名稱中，輸入協同合作中模型的唯一名稱。

   2. （選用） 針對描述，輸入訓練模型的描述。

   3. 針對訓練資料輸入模式，選擇下列其中一項：

      • 如果您的資料集較小，可以容納 ML 儲存磁碟區，而且您偏好訓練指令碼的傳統檔案系統存取，請選取檔案。

      • 選取管道讓大型資料集直接從 S3 串流資料，避免將所有資料下載到磁碟，從而提高訓練速度並減少儲存需求。

      • 如果您想要將 S3 串流的優點與檔案系統存取結合，請選取 FastFile，尤其是循序讀取資料或處理較少的檔案以加快啟動時間時。

8. 對於 ML 輸入通道詳細資訊，請執行下列動作：

   1. 針對 ML 輸入通道，指定將資料提供給模型演算法的 ML 輸入通道。

      若要新增另一個頻道，請選擇新增另一個 ML 輸入頻道。您最多可以新增 19 個額外的 ML 輸入通道。

   2. 針對頻道名稱，輸入 ML 輸入頻道的名稱。

   3. 針對 Amazon S3 資料分佈類型，選擇下列其中一項：

      • 選取完全複寫，為每個訓練執行個體提供完整的資料集副本。當您的資料集夠小，足以容納在記憶體中，或每個執行個體都需要存取所有資料時，這最適合使用。

      • 選取依 S3 金鑰分割，根據 S3 金鑰跨訓練執行個體分割資料集。每個執行個體會收到大約總 S3 物件的 1/n，其中 'n' 是執行個體的數量。這最適合您要平行處理的大型資料集。

      注意

      選取分佈類型時，請考慮您的資料集大小和訓練需求。完全複寫可提供完整的資料存取，但需要更多儲存空間，而由 S3 金鑰碎片可分散式處理大型資料集。

9. 針對訓練持續時間上限，選擇您想要訓練模型的時間上限。

10. 對於超參數，指定任何演算法特定的參數及其預期值。超參數專屬於要訓練的模型，並用於微調模型訓練。

11. 針對環境變數，指定任何演算法特定的變數及其預期值。環境變數是在 Docker 容器中設定。

12. 針對加密，若要使用自訂 AWS KMS key，請選取使用自訂 KMS 金鑰加密秘密核取方塊。

13. 針對 EC2 資源組態，指定用於模型訓練之運算資源的相關資訊。

    1. 針對執行個體類型，選擇您要執行的執行個體類型。

       分散式訓練支援的執行個體類型為：

       • ml.m5.4xlarge

       • ml.m5.12xlarge

       • ml.m5.2xlarge

       • ml.g5.12xlarge

       • ml.g5.24xlarge

    2. 針對執行個體計數，輸入執行個體的數量。

    3. 對於以 GB 為單位的磁碟區大小，輸入 ML 儲存磁碟區大小。

14. 選擇建立訓練過的模型。