Guida introduttiva alla formazione di una rete Deep Graph - Amazon SageMaker

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.

Guida introduttiva alla formazione di una rete Deep Graph

DGLè disponibile come contenitore di deep learning in AmazonECR. Puoi selezionare contenitori di deep learning quando scrivi la funzione di stima su un SageMaker notebook Amazon. Puoi anche creare il tuo contenitore personalizzato DGL seguendo la guida Bring Your Own Container. Il modo più semplice per iniziare a utilizzare una rete deep graph utilizza uno dei DGL container di Amazon Elastic Container Registry. 

Nota

Il supporto del framework di backend è limitato a PyTorch eMXNet.

Installazione

Se utilizzi Amazon SageMaker Studio, devi prima clonare l'archivio degli esempi. Se utilizzi un'istanza notebook, puoi trovare gli esempi scegliendo l' SageMaker icona nella parte inferiore della barra degli strumenti a sinistra.

Per clonare l'archivio di esempi di Amazon SageMaker SDK e notebook

  1. Dalla JupyterLabvisualizzazione in Amazon SageMaker, vai al File Browser nella parte superiore della barra degli strumenti a sinistra. Dal riquadro del browser dei file è possibile vedere una nuova navigazione nella parte superiore del pannello.

  2. Scegliere l'icona all'estrema destra per clonare un repository Git.

  3. Aggiungi il repositoryURL: .git https://github.com/awslabs/ amazon-sagemaker-examples

  4. Sfogliare la cartella appena aggiunta e il relativo contenuto. Gli DGL esempi sono memorizzati nella cartella sagemaker-python-sdk.

Treno

Dopo la configurazione, puoi addestrare la rete Deep Graph.