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.
Libreria di parallelismo dei SageMaker modelli (archiviata) v1.x
Importante
A partire dal 19 dicembre 2023, viene rilasciata la libreria di parallelismo dei SageMaker modelli (SMP) v2. A favore della libreria SMP v2, le funzionalità SMP v1 non sono più supportate nelle versioni future. La sezione e gli argomenti seguenti sono archiviati e riguardano specificamente l'uso della libreria SMP v1. Per informazioni sull'uso della libreria SMP v2, vedere. SageMaker libreria di parallelismo dei modelli v2
Usa la libreria parallela SageMaker di modelli di Amazon per addestrare modelli di deep learning (DL) di grandi dimensioni che sono difficili da addestrare a causa delle limitazioni della memoria della GPU. La libreria suddivide automaticamente ed efficacemente un modello su più GPU e istanze. Utilizzando la libreria, puoi raggiungere più rapidamente l'obiettivo di precisione di previsione addestrando in modo efficiente modelli DL più grandi con miliardi o trilioni di parametri.
Puoi utilizzare la libreria per partizionare automaticamente i tuoi PyTorch modelli su più GPU TensorFlow e più nodi con modifiche minime al codice. Puoi accedere all'API della libreria tramite SageMaker Python SDK.
Utilizza le seguenti sezioni per saperne di più sul parallelismo dei modelli e sulla libreria di modelli SageMaker paralleli. La documentazione API di questa libreria si trova in Distributed Training APIs
Argomenti
- Introduzione al parallelismo dei modelli
- Framework e Regioni AWS supportati
- Caratteristiche principali della SageMaker Model Parallelism Library
- Esegui un job di formazione SageMaker distribuito con Model Parallelism
- Checkpoint e ottimizzazione di un modello con il parallelismo dei modelli
- Esempi di Amazon SageMaker Model Parallelism Library v1
- SageMaker Best practice per il parallelismo dei modelli distribuiti
- Suggerimenti e insidie per la configurazione della SageMaker Distributed Model Parallelism Library
- Risoluzione dei problemi del parallelismo dei modelli