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。

サポートされているフレームワーク AWS リージョン、インスタンスタイプ、テスト済みモデル

SageMaker Training Compiler を使用する前に、選択したフレームワークがサポートされているかどうか、インスタンスタイプが AWS アカウントで利用可能かどうか、 AWS アカウントがサポートされている のいずれかにあるかどうかを確認します AWS リージョン。

サポートされるフレームワーク

SageMaker Training Compiler は、以下の深層学習フレームワークをサポートしており、 AWS 深層学習コンテナを通じて利用できます。

PyTorch

TensorFlow

詳細については、「 Deep Learning Containers リポジトリ」の「使用可能なイメージ」を参照してください。 AWS GitHub

AWS リージョン

SageMaker Training Compiler コンテナは、中国リージョンを除く AWS Deep Learning Containers AWS リージョン が稼働している で利用できます。

サポートされるインスタンスタイプ

SageMaker Training Compiler は でテストされており、次の ML インスタンスタイプをサポートしています。

インスタンスタイプの仕様については、「Amazon EC2 インスタンスタイプ」ページの「高速コンピューティング」セクションを参照してください。インスタンスの料金については、「Amazon の SageMaker 料金」を参照してください。

次のようなエラーメッセージが表示された場合は、 SageMaker 「リソースのサービスクォータの引き上げをリクエストする」の手順に従います。

ResourceLimitExceeded: An error occurred (ResourceLimitExceeded) when calling
the CreateTrainingJob operation: The account-level service limit 'ml.p3dn.24xlarge
for training job usage' is 0 Instances, with current utilization of 0 Instances
and a request delta of 1 Instances.
Please contact AWS support to request an increase for this limit.

テスト済みモデル

次の表に、 SageMaker Training Compiler でテストされたモデルのリストを示します。参考までに、メモリに収まる最大のバッチサイズは、他のトレーニングパラメータと一緒に含まれています。 SageMaker Training Compiler はモデルトレーニングプロセスのメモリフットプリントを変更できるため、トレーニングプロセス中により大きなバッチサイズを使用することがよくあり、総トレーニング時間をさらに短縮できます。場合によっては、 SageMaker Training Compiler がキャッシュをインテリジェントに昇格させ、 に収まる最大のバッチサイズが小さくなることがありますGPU。モデルのハイパーパラメータを再調整して、ケースに最適なバッチサイズを見つける必要があります。時間を節約するために、以下の参照テーブルを使用して、ユースケースに適した開始点となるバッチサイズを調べます。