Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Bénéficiez d'une capacité de calcul pour les tâches SageMaker de formation

Avant de demander une capacité de calcul, vérifiez que votre AWS compte répond aux conditions préalables suivantes. Le respect de ces exigences dans l'ordre vous permet d'éviter les échecs de provisionnement courants.

Étape 1 : vérifier la disponibilité de l'instance dans votre région

Tous les types d'instances ne sont pas disponibles dans toutes les AWS régions. Avant de sélectionner un type d'instance pour votre charge de travail de formation, vérifiez qu'il est disponible dans votre région cible.

Si le type d'instance n'est pas disponible dans votre région :

Vérifier la disponibilité des instances par zone de disponibilité

La disponibilité des instances varie également en fonction de la zone de disponibilité d'une région. Un type d'instance proposé dans votre région ne l'est pas nécessairement dans toutes les zones de disponibilité de cette région. Cela est important lorsque vous exécutez des tâches de formation dans un VPC privé, car les sous-réseaux que vous spécifiez déterminent les zones de disponibilité que l' SageMaker IA peut utiliser pour provisionner des instances. Pour de plus amples informations, veuillez consulter Étape 3 : Configuration de votre VPC et de vos sous-réseaux (facultatif).

Pour répertorier les zones de disponibilité qui proposent un type d'instance dans une région, utilisez l'DescribeInstanceTypeOfferingsAPI Amazon Elastic Compute Cloud :

aws ec2 describe-instance-type-offerings \
    --location-type availability-zone \
    --filters Name=instance-type,Values=p5.48xlarge \
    --region us-east-1 \
    --query 'InstanceTypeOfferings[].Location' \
    --output table

Étape 2 : Vérifier et demander des quotas de service

Votre AWS compte possède des quotas par défaut qui limitent le nombre d'instances que vous pouvez utiliser simultanément pour les tâches de SageMaker formation. Chaque type d'instance possède son propre quota.

Étape 3 : Configuration de votre VPC et de vos sous-réseaux (facultatif)

Cette étape s'applique uniquement si vous exécutez des tâches de formation dans un VPC privé. Par défaut, les tâches de SageMaker formation s'exécutent dans un environnement SageMaker AI-managed réseau et ne nécessitent pas de configuration VPC. Si votre organisation a besoin de formations pour accéder aux ressources d'un VPC privé (par exemple, des données stockées dans Amazon S3 via un point de terminaison VPC ou des systèmes de fichiers), vous devez spécifier Subnets et SecurityGroupIds dans le VpcConfig paramètre de l'CreateTrainingJobAPI.

Lorsque vous configurez un VPC, les sous-réseaux que vous spécifiez déterminent les zones de disponibilité que l' SageMaker IA peut utiliser pour provisionner des instances.

Choisissez une option de capacité

On-Demand Instances

On-Demand est l'option de capacité par défaut pour SageMaker Training Jobs. Les instances sont provisionnées au début d'une tâche de formation et libérées à la fin de celle-ci. Vous payez par seconde de calcul, sans engagement initial pour exécuter des tâches ad hoc. La capacité requise pour les emplois est allouée dans la mesure du possible, en fonction de la disponibilité dans la Région au moment de la soumission de l'offre.

Si On-Demand la capacité n'est pas disponible pour le type d'instance que vous avez demandé, la tâche de formation passe en état d'attente. Vous pouvez configurer la période d'attente de 2 heures à 28 jours en réglantMaxPendingTimeInSeconds. Si la capacité n'est pas disponible au cours de cette période, le travail échoue avec unInsufficientCapacityError.

Entraînement Spot géré

Managed Spot Training utilise la capacité supplémentaire d'Amazon EC2 Spot, ce qui permet de réaliser jusqu'à 90 % d'économies par rapport à la On-Demand tarification. SageMaker L'IA gère le cycle de vie du Spot, y compris les interruptions et les redémarrages automatiques. Avec Spot Training, les charges de travail peuvent être interrompues, et des stratégies de point de contrôle sont recommandées pour reprendre les tâches depuis le dernier état enregistré.

Les pools de capacités ponctuelles sont définis par type d'instance et par zone de disponibilité. Pour optimiser la disponibilité du spot, spécifiez des sous-réseaux dans plusieurs zones de disponibilité dansVpcConfig.Subnets. Réglez StoppingCondition.MaxWaitTimeInSeconds pour contrôler la durée pendant laquelle SageMaker l'IA attend la capacité du Spot avant d'arrêter la tâche.

Pour de plus amples informations, veuillez consulter Formation ponctuelle gérée dans Amazon SageMaker AI.

Plans de formation flexibles

Les plans d'entraînement flexibles vous permettent de réserver la capacité du GPU à l'avance pour une date et une durée spécifiques. En réservant de la capacité, vous bénéficiez d'un accès prévisible aux types d'instances GPU les plus demandés, vous planifiez et budgétisez vos coûts de formation à l'avance et vous bénéficiez d'une gestion automatisée des ressources et d'une tolérance aux pannes. La tarification dépend du type d'instance, du nombre d'instances, de la durée de réservation et de la date de début. Pour consulter les tarifs correspondant à votre configuration spécifique, utilisez l'SearchTrainingPlanOfferingsAPI ou la console SageMaker AI. Pour les types d'instances pris en charge, consultezRéservez des plans de formation flexibles pour les charges de travail de machine learning.

Avant d'acheter un plan, recherchez les offres de plans de formation disponibles sur la console SageMaker AI de votre AWS compte ou en utilisant l'SearchTrainingPlanOfferingsAPI. Les offres disponibles incluent les types d'instances, les durées, les prix et les zones de disponibilité dans lesquelles la capacité est provisionnée.

Les plans de formation flexibles prennent en charge un ensemble spécifique de types d'instances et sont disponibles dans certaines AWS régions. Pour les configurations prises en charge, consultezRéservez des plans de formation flexibles pour les charges de travail de machine learning. Pour les tarifs, voir SageMaker AI Pricing.