Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
On-Demand-Kapazitätsreservierungen und Kapazitätsblöcke für ML
Mit Kapazitätsreservierungen können Sie Rechenkapazität für EC2 Amazon-Instances in einer bestimmten Availability Zone reservieren. Es gibt zwei Arten von Kapazitätsreservierungen für unterschiedliche Anwendungsfälle.
Arten von Kapazitätsreservierungen
Im Folgenden sind einige häufige Anwendungsfälle für On-Demand-Kapazitätsreservierungen aufgeführt:
-
Skalierung von Ereignissen – Erstellen Sie vor Ihren geschäftskritischen Ereignissen bedarfsgesteuerte Kapazitätsreservierungen, um sicherzustellen, dass Sie bei Bedarf skalieren können.
-
Regulatorische Anforderungen und Notfallwiederherstellung – Verwenden Sie On-Demand-Kapazitätsreservierungen, um regulatorische Anforderungen für Hochverfügbarkeit zu erfüllen und Kapazität in einer anderen Availability Zone oder Region für die Notfallwiederherstellung zu reservieren.
Im Folgenden sind einige häufige Anwendungsfälle für Kapazitätsblöcke für ML aufgeführt:
-
Modell-Training und Feinabstimmung für Machine Learning (ML) — Erhalten Sie ununterbrochenen Zugriff auf die GPU -Instances, die Sie für die Durchführung des ML-Modell-Trainings und der Feinabstimmung reserviert haben.
-
ML-Experimente und Prototypen — Führen Sie Experimente durch und erstellen Sie Prototypen, die kurzfristig GPU Instanzen erfordern.
Wann sollte die On-Demand-Kapazitätsreservierung verwendet werden?
Verwenden Sie On-Demand-Kapazitätsreservierungen, wenn Sie strenge Kapazitätsanforderungen haben und Ihre aktuellen oder future geschäftskritischen Workloads eine Kapazitätssicherung erfordern. Mit On-Demand-Kapazitätsreservierungen können Sie sicherstellen, dass Sie immer Zugriff auf die von Ihnen reservierte EC2 Amazon-Kapazität haben, solange Sie diese benötigen.
Wann sollten Kapazitätsblöcke für ML verwendet werden?
Verwenden Sie Kapazitätsblöcke für ML, wenn Sie sicherstellen müssen, dass Sie ab einem future Datum für einen definierten Zeitraum ununterbrochenen Zugriff auf GPU Instances haben. Kapazitätsblöcke eignen sich ideal für das Training und die Feinabstimmung von ML-Modellen, für kurze Ausführungen von Experimenten und für die Bewältigung eines vorübergehenden Anstiegs der Inferenznachfrage in der Zukunft. Mit Kapazitätsblöcken können Sie sicherstellen, dass Sie zu einem bestimmten Datum Zugriff auf GPU Ressourcen haben, um Ihre ML-Workloads auszuführen.
