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.
Cadres et AWS régions pris en charge
Avant d'utiliser le chargeur de données SageMaker Smart Sifting, vérifiez si le framework de votre choix est pris en charge, si les types d'instances sont disponibles dans votre AWS compte et si votre AWS compte se trouve dans l'une des AWS régions prises en charge.
Note
SageMaker le criblage intelligent prend en charge la formation des PyTorch modèles grâce au parallélisme de données traditionnel et au parallélisme de données distribué, ce qui permet de dupliquer les modèles chez tous les GPU travailleurs et d'utiliser l'opération. AllReduce Il ne fonctionne pas avec les techniques de parallélisme des modèles, notamment le parallélisme des données fragmentées. Le criblage SageMaker intelligent étant efficace pour les tâches de parallélisme des données, assurez-vous que le modèle que vous entraînez s'adapte à chaque mémoire. GPU
Cadres pris en charge
SageMaker Le criblage intelligent prend en charge les frameworks de deep learning suivants et est disponible via AWS Deep Learning Containers.
Rubriques
PyTorch
| Framework | Version du framework | Conteneur de Deep Learning URI |
|---|---|---|
| PyTorch | 2.1.0 |
|
Pour plus d'informations sur les conteneurs prédéfinis, consultez SageMaker Framework Containers
Régions AWS
Les conteneurs fournis avec la bibliothèque de tamisage SageMaker intelligent
Types d’instances
Vous pouvez utiliser le SageMaker tri intelligent pour toutes les tâches de PyTorch formation sur tous les types d'instances. Nous vous recommandons d'utiliser des instances P4d, P4de ou P5.
