設定混合式工作執行個體以執行演算法指令碼 - Amazon Braket

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。

設定混合式工作執行個體以執行演算法指令碼

根據您的算法,您可能有不同的要求。根據預設,Amazon Braket 會在執行個ml.m5.large體上執行演算法指令碼。不過,當您使用下列匯入和組態引數建立混合式工作時,您可以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,並且已在裝置配置中指定了本機裝置,則可以 InstanceConfig 透過指定 instanceCount 並將其設定為大於一,在中另外要求一個以上的執行個體。上限為 5。例如,您可以選擇 3 個實例,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 parallel 功能來分配混合式工作。有關操作方法的更多詳細信息,請參閱下面的示筆記本。

下表列出標準、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

若要檢視混合式工作的預設傳統運算執行個體配額,請參閱此頁面

標準執行個體 v CPU 記憶體

毫升 5. 大 (預設值)

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 v CPU 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

毫升 c5n. 大

4

10.5 GiB 博

毫升 c5n.2 倍大

8

21 GiB

毫升 c5n.4 倍大

16

42 GiB

毫升 c5n.9 倍大

36

96 GiB

毫升 c5n.18 倍大

72

192 GiB

加速壓縮執行個體 v CPU 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

在 us-west-1 中不提供 p3 執行個體。如果您的混合任務無法佈建要求的 ML 運算容量,請使用其他區域。

每個執行個體使用 30 GB 的預設資料儲存設定 (SSD)。但是您可以使用與配置instanceType. 下列範例顯示如何將總儲存空間增加到 50 GB。

from braket.jobs.config import InstanceConfig job = AwsQuantumJob.create( ... instance_config=InstanceConfig( instanceType="ml.p3.8xlarge", volumeSizeInGb=50, ), ... ),