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.
AWS Batch Unterstützung für SageMaker KI-Ausbildungsjobs
In einer AWS Batch Job-Warteschlange werden eingereichte Jobs gespeichert und priorisiert, bevor sie auf Rechenressourcen ausgeführt werden. Sie können SageMaker KI-Schulungsjobs an eine Jobwarteschlange senden, um die Vorteile der serverlosen Tools zur Jobplanung und Priorisierung zu nutzen, die von bereitgestellt werden. AWS Batch
Funktionsweise
In den folgenden Schritten wird der Arbeitsablauf zur Verwendung einer AWS Batch Jobwarteschlange mit SageMaker KI-Schulungsjobs beschrieben. Weitere Informationen und Beispiel-Notebooks finden Sie im Erste Schritte Abschnitt.
-
Einrichtung AWS Batch und alle erforderlichen Berechtigungen. Weitere Informationen finden Sie unter Einrichten von AWS Batch im Benutzerhandbuch für AWS Batch .
-
Erstellen Sie die folgenden AWS Batch Ressourcen in der Konsole oder mithilfe von AWS CLI:
-
Serviceumgebung — Enthält Konfigurationsparameter für die Integration mit SageMaker KI.
-
SageMaker Warteschlange für KI-Schulungsaufträge — Lässt sich in SageMaker KI integrieren, um Schulungsjobs einzureichen.
-
-
Konfigurieren Sie Ihre Daten und fordern Sie einen SageMaker AI-Trainingsjob an, z. B. Ihr Container-Image für Schulungen. Um einen Trainingsjob an eine AWS Batch Warteschlange zu senden, können Sie das AWS CLI AWS SDK for Python (Boto3), das oder das SageMaker AI Python SDK verwenden.
-
Reichen Sie Ihre Trainingsjobs in der Auftragswarteschlange ein. Sie können die folgenden Optionen verwenden, um Aufträge einzureichen:
-
Verwenden Sie die AWS Batch SubmitServiceJob-API.
-
Verwenden Sie das
aws_batchModulaus dem SageMaker AI Python SDK. Nachdem Sie ein TrainingQueue Objekt und ein Modelltrainingsobjekt (z. B. ein ModelTrainer) erstellt haben, können Sie TrainingQueue mithilfe der queue.submit()Methode Trainingsjobs an den senden.
-
-
Nach dem Senden von Aufträgen können Sie Ihre Auftragswarteschlange und den Auftragsstatus mit der AWS Batch Konsole, der AWS Batch DescribeServiceJob API oder der SageMaker DescribeTrainingJob AI-API einsehen.
Kosten und Verfügbarkeit
Detaillierte Preisinformationen zu Schulungsjobs finden Sie unter Amazon SageMaker AI-Preise
Sie können Jobs AWS Batch für SageMaker KI-Schulungen überall dort einsetzen AWS-Region , wo Ausbildungsjobs verfügbar sind. Weitere Informationen finden Sie unter SageMaker KI-Endpunkte und Kontingente von Amazon.
Um sicherzustellen, dass Sie bei Bedarf über die erforderliche Kapazität verfügen, können Sie SageMaker AI Flexible Training Plans (FTP) verwenden. Diese Pläne ermöglichen es Ihnen, Kapazitäten für Ihre Trainingsjobs zu reservieren. In Kombination mit AWS Batch den Warteschlangenfunktionen können Sie die Auslastung während der Laufzeit Ihres Plans maximieren. Weitere Informationen findest du unter Reservieren von Schulungsplänen für deine Trainingsjobs oder HyperPod Cluster.
Erste Schritte
Eine Anleitung zum Einrichten einer AWS Batch Job-Warteschlange und zum Einreichen von SageMaker KI-Schulungsjobs finden Sie im AWS Batch Benutzerhandbuch unter Erste Schritte mit AWS Batch SageMaker KI.
Jupyter-Notizbücher, die zeigen, wie das aws_batch Modul im SageMaker AI Python SDK verwendet wird, finden Sie in den Notebook-Beispielen AWS Batch für SageMaker AI-Training-Jobs im Repository amazon-sagemaker-examples. GitHub
