Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Prenotazioni di capacità su richiesta e blocchi di capacità per il machine learning
Le prenotazioni di capacità consentono di riservare la capacità di calcolo per EC2 le istanze Amazon in una zona di disponibilità specifica. Esistono due tipi di prenotazioni della capacità per casi d'uso differenti.
Tipi di prenotazioni della capacità
Di seguito sono elencati alcuni casi d'uso comuni per le prenotazioni della capacità on demand:
-
Eventi di dimensionamento: puoi creare prenotazioni della capacità on demand prima di eventi aziendali critici per assicurarti di poter dimensionare le risorse all'occorrenza.
-
Requisiti normativi e ripristino di emergenza: utilizza le prenotazioni della capacità on demand per soddisfare i requisiti normativi in materia di alta disponibilità e riserva la capacità in una zona di disponibilità o regione diversa per il ripristino di emergenza.
Di seguito sono elencati alcuni casi d'uso comuni di Blocchi di capacità per ML:
-
Formazione e messa a punto dei modelli di machine learning (ML): ottieni accesso ininterrotto alle GPU istanze che hai riservato per completare la formazione e la messa a punto del modello ML.
-
Esperimenti e prototipi di machine learning: esegui esperimenti e crea prototipi che richiedono istanze per brevi periodi. GPU
Quando utilizzare la prenotazione della capacità on demand
Utilizza le prenotazioni della capacità on demand se hai requisiti di capacità rigorosi e stai eseguendo carichi di lavoro aziendali critici che richiedono la garanzia della capacità. Con On-Demand Capacity Reservations, puoi assicurarti di avere sempre accesso alla EC2 capacità Amazon che hai prenotato per tutto il tempo necessario.
Quando utilizzare Blocchi di capacità per ML
Usa Capacity Blocks for ML quando devi assicurarti di avere accesso ininterrotto alle GPU istanze per un periodo di tempo definito a partire da una data futura. I blocchi di capacità sono ideali per addestrare e perfezionare i modelli di ML, per brevi cicli di sperimentazione e per gestire i picchi temporanei della domanda di inferenza in futuro. Con Capacity Blocks, puoi assicurarti di avere accesso alle GPU risorse in una data specifica per eseguire i tuoi carichi di lavoro ML.
