View a markdown version of this page

HyperPod - Amazon SageMaker AI
概要開始方法

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

HyperPod

HyperPod は、複数のトレーニングジョブで使用可能な永続的なコンピューティングクラスターでモデルカスタマイズを実行します。HyperPod は自動障害検出と復旧を提供するため、大規模で長時間実行されるトレーニングワークロードに最適です。

エフェメラルトレーニングジョブについては、「」を参照してくださいSageMaker AI トレーニングジョブ。フルマネージド型サーバーレストレーニングについては、「」を参照してくださいサーバーレスモデルのカスタマイズ。

サポートされているカスタマイズ手法とトレーニングタイプについては、「」を参照してくださいカスタマイズ手法。

概要

リージョン別の可用性

HyperPod がサポートされているすべてのリージョンで使用できます。

オーケストレーションオプション

  • Amazon EKS を使用した HyperPod — インターフェイス: レシピ、HP-CLI。Kubernetesベースのワークロードオーケストレーションを動的キャパシティ管理とコンテナ化されたトレーニングジョブで使用します。

  • HyperPod with Slurm — インターフェイス: レシピ。ヘッド、ログイン、ワーカーノード設定で Slurmベースのジョブスケジューリングを使用します。

サポートされている手法とトレーニングタイプ

HyperPod は、すべてのカスタマイズ手法とトレーニングタイプをサポートしています。「カスタマイズ手法」および「トレーニングタイプ」を参照してください。

開始方法

HyperPod を初めて使用する場合は、SageMaker AI HyperPod を使用してクラスターをセットアップするための前提条件」を参照してください。

既存の HyperPod クラスターでモデルカスタマイズを実行するには:

  1. recipes リポジトリのクローンを作成します。

    git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git
cd sagemaker-hyperpod-recipes
pip3 install -r requirements.txt

  2. からレシピを選択しますrecipes_collection/recipes/fine-tuning/。

  3. クラスター固有の設定を行います (「クラスター固有の設定」を参照）。

  4. 適切な方法を使用して を起動します。

    • EKS: ランチャースクリプトまたは HP-CLI を使用する

    • Slurm: ランチャースクリプトを使用する

詳細なチュートリアルと完全なレシピカタログについては、SageMaker AI レシピのドキュメントを参照してください。

HyperPod の詳細については、Amazon SageMaker AI HyperPod」を参照してください。