As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Seleção de instâncias para os estágios do Neptune ML

Os diferentes estágios do processamento do Neptune ML usam SageMaker diferentes instâncias de IA. Aqui, abordamos como escolher o tipo de instância correto para cada estágio. Você pode encontrar informações sobre tipos e preços de instâncias de SageMaker IA em Amazon SageMaker Pricing.

Selecionar uma instância para processamento de dados

A etapa de processamento de dados de SageMaker IA requer uma instância de processamento que tenha memória e armazenamento em disco suficientes para os dados de entrada, intermediários e de saída. A quantidade específica de memória e armazenamento em disco necessária depende das características do grafo do Neptune ML e de os respectivos atributos exportados.

Por padrão, o Neptune ML escolhe a menor instância ml.r5 cuja memória é dez vezes maior que o tamanho dos dados de grafos exportados no disco.

Selecionar uma instância para treinamento e transformação de modelos

Selecionar o tipo de instância certo para treinamento de modelos ou transformação de modelos depende do tipo de tarefa, do tamanho do grafo e dos requisitos de entrega. As instâncias de GPU oferecem o melhor desempenho. Geralmente, recomendamos instâncias seriais p3 e g4dn. Também é possível usar instâncias p2 ou p4d.

Por padrão, o Neptune ML escolhe a menor instância de GPU com mais memória do que o treinamento e a transformação de modelos exigem. É possível encontrar qual é essa seleção no arquivo train_instance_recommendation.json, no local de saída do processamento de dados do Amazon S3. Veja um exemplo do conteúdo de um arquivo train_instance_recommendation.json:

{ 
  "instance":     "(the recommended instance type for model training and transform)",
  "cpu_instance": "(the recommended instance type for base processing instance)", 
  "disk_size":    "(the estimated disk space required)",
  "mem_size":     "(the estimated memory required)"
}

Selecionar uma instância para um endpoint de inferência

Selecionar o tipo de instância certo para um endpoint de inferência depende do tipo de tarefa, do tamanho do grafo e do seu orçamento. Por padrão, o Neptune ML escolhe a menor instância ml.m5d com mais memória do que o endpoint de inferência exige.

É possível ver qual tipo de instância o Neptune ML recomenda no arquivo infer_instance_recommendation.json presente na localização do Amazon S3 que você está usando para treinamento de modelos. Veja uma amostra do conteúdo desse arquivo:

{ 
  "instance" :   "(the recommended instance type for an inference endpoint)",
  "disk_size" :  "(the estimated disk space required)",
  "mem_size" :   "(the estimated memory required)"
}