本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
設定混合式任務執行個體以執行指令碼
根據您的演算法,您可能有不同的要求。根據預設,Amazon Braket 會在ml.m5.large
執行個體上執行演算法指令碼。不過,您可以使用下列匯入和組態引數,在建立混合任務時自訂此執行個體類型。
from braket.jobs.config import InstanceConfig job = AwsQuantumJob.create( ... instance_config=InstanceConfig(instanceType="ml.p3.8xlarge"), # Use NVIDIA Tesla V100 instance with 4 GPUs. ... ),
如果您正在執行內嵌模擬,並在裝置組態中指定本機裝置,則可以透過指定 instanceCount 並將其設定為大於一個 InstanceConfig ,在 中額外請求多個執行個體。上限為 5。例如,您可以選擇 3 個執行個體,如下所示。
from braket.jobs.config import InstanceConfig job = AwsQuantumJob.create( ... instance_config=InstanceConfig(instanceType="ml.p3.8xlarge", instanceCount=3), # Use 3 NVIDIA Tesla V100 ... ),
當您使用多個執行個體時,請考慮使用資料平行功能分發混合式任務。如需如何查看此平行化訓練的詳細資訊QML
下列三個資料表列出標準、運算最佳化和加速運算執行個體的可用執行個體類型和規格。
注意
若要檢視混合任務的預設傳統運算執行個體配額,請參閱 Amazon Braket Quotas 頁面。
標準執行個體 | vCPU | 記憶體 |
---|---|---|
ml.m5.large (預設) |
2 |
8 GiB |
ml.m5.xlarge |
4 |
16 GiB |
ml.m5.2xlarge |
8 |
32 GiB |
ml.m5.4xlarge |
16 |
64 GiB |
ml.m5.12xlarge |
48 |
192 GiB |
ml.m5.24xlarge |
96 |
384 GiB |
ml.m4.xlarge |
4 |
16 GiB |
ml.m4.2xlarge |
8 |
32 GiB |
ml.m4.4xlarge |
16 |
64 GiB |
ml.m4.10xlarge |
40 |
256 GiB |
運算優化執行個體 | vCPU | 記憶體 |
---|---|---|
ml.c4.xlarge |
4 |
7.5 GiB |
ml.c4.2xlarge |
8 |
15 GiB |
ml.c4.4xlarge |
16 |
30 GiB |
ml.c4.8xlarge |
36 |
192 GiB |
ml.c5.xlarge |
4 |
8 GiB |
ml.c5.2xlarge |
8 |
16 GiB |
ml.c5.4xlarge |
16 |
32 GiB |
ml.c5.9xlarge |
36 |
72 GiB |
ml.c5.18xlarge |
72 |
144 GiB |
ml.c5n.xlarge |
4 |
10.5 GiB |
ml.c5n.2xlarge |
8 |
21 GiB |
ml.c5n.4xlarge |
16 |
42 GiB |
ml.c5n.9xlarge |
36 |
96 GiB |
ml.c5n.18xlarge |
72 |
192 GiB |
加速運算執行個體 | vCPU | 記憶體 |
---|---|---|
ml.p2.xlarge |
4 |
61 GiB |
ml.p2.8xlarge |
32 |
488 GiB |
ml.p2.16xlarge |
64 |
732 GiB |
ml.p3.2xlarge |
8 |
61 GiB |
ml.p3.8xlarge |
32 |
244 GiB |
ml.p3.16xlarge |
64 |
488 GiB |
ml.g4dn.xlarge |
4 |
16 GiB |
ml.g4dn.2xlarge |
8 |
32 GiB |
ml.g4dn.4xlarge |
16 |
64 GiB |
ml.g4dn.8xlarge |
32 |
128 GiB |
ml.g4dn.12xlarge |
48 |
192 GiB |
ml.g4dn.16xlarge |
64 |
256 GiB |
注意
us-west-1 中無法使用 p3 執行個體。如果您的混合作業無法佈建請求的 ML 運算容量,請使用另一個區域。
每個執行個體使用 30 GB 的資料儲存體 (SSD) 的預設組態。但是,您可以採用與設定 相同的方式調整儲存體instanceType
。下列範例示範如何將總儲存體增加到 50 GB。
from braket.jobs.config import InstanceConfig job = AwsQuantumJob.create( ... instance_config=InstanceConfig( instanceType="ml.p3.8xlarge", volumeSizeInGb=50, ), ... ),
在 中設定預設儲存貯體 AwsSession
使用您自己的AwsSession
執行個體可為您提供增強的彈性,例如為預設 Amazon S3 儲存貯體指定自訂位置的能力。根據預設, AwsSession
具有預先設定的 Amazon S3 儲存貯體位置f"amazon-braket-{id}-{region}"
。不過,在建立 時,您可以選擇覆寫預設的 Amazon S3 儲存貯體位置AwsSession
。使用者可以選擇性地將AwsSession
物件傳遞至 AwsQuantumJob.create()
方法,方法是提供 aws_session
參數,如下列程式碼範例所示。
aws_session = AwsSession(default_bucket="amzn-s3-demo-bucket") # then you can use that AwsSession when creating a hybrid job job = AwsQuantumJob.create( ... aws_session=aws_session )