Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Reservasi Kapasitas Sesuai Permintaan dan Blok Kapasitas untuk ML
Reservasi Kapasitas memungkinkan Anda untuk memesan kapasitas komputasi untuk EC2 instans Amazon di Availability Zone tertentu. Ada dua tipe Reservasi Kapasitas yang melayani kasus penggunaan yang berbeda.
Tipe Reservasi Kapasitas
Berikut adalah beberapa kasus penggunaan umum untuk Reservasi Kapasitas Sesuai Permintaan:
-
Acara penskalaan — Buat Reservasi Kapasitas Sesuai Permintaan sebelum acara penting bisnis Anda untuk memastikan bahwa Anda dapat menskalakan saat diperlukan.
-
Persyaratan peraturan dan pemulihan bencana — Gunakan Reservasi Kapasitas Sesuai Permintaan untuk memenuhi persyaratan peraturan untuk ketersediaan tinggi, dan pesan kapasitas di Zona Ketersediaan atau Wilayah yang berbeda untuk pemulihan bencana.
Berikut ini adalah beberapa kasus penggunaan umum untuk Blok Kapasitas untuk ML:
-
Pelatihan model machine learning (ML) dan fine-tuning — Dapatkan akses tanpa gangguan ke GPU instans yang Anda pesan untuk menyelesaikan pelatihan model dan fine-tuning.
-
Eksperimen dan prototipe ML — Jalankan eksperimen dan buat prototipe yang memerlukan GPU instance untuk jangka waktu pendek.
Kapan menggunakan Reservasi Kapasitas Sesuai Permintaan
Gunakan Reservasi Kapasitas Sesuai Permintaan jika Anda memiliki persyaratan kapasitas yang ketat, dan menjalankan beban kerja penting bisnis yang memerlukan jaminan kapasitas. Dengan Pemesanan Kapasitas Sesuai Permintaan, Anda dapat memastikan bahwa Anda akan selalu memiliki akses ke EC2 kapasitas Amazon yang telah Anda pesan selama Anda membutuhkannya.
Kapan menggunakan Blok Kapasitas untuk ML
Gunakan Blok Kapasitas untuk ML saat Anda perlu memastikan bahwa Anda memiliki akses tanpa gangguan ke GPU instans untuk jangka waktu tertentu yang dimulai pada tanggal yang akan datang. Blok Kapasitas ideal untuk melatih dan menyempurnakan model ML, menjalankan eksperimen singkat, dan menangani lonjakan sementara dalam permintaan inferensi di masa mendatang. Dengan Blok Kapasitas, Anda dapat memastikan bahwa Anda akan memiliki akses ke GPU sumber daya pada tanggal tertentu untuk menjalankan beban kerja ML Anda.
