選取您的 Cookie 偏好設定

我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料,以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用,但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。

如果您同意,AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定,並顯示相關內容,包括相關廣告。若要接受或拒絕所有非必要 Cookie,請按一下「接受」或「拒絕」。若要進行更詳細的選擇,請按一下「自訂」。

使用自有深度學習模型

焦點模式
使用自有深度學習模型 - Amazon SageMaker AI

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。

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。

重要

Amazon Web Services (AWS) 宣佈不會有新的 SageMaker Training Compiler 版本。您可以透過現有的 AWS 適用於 SageMaker Training 的深度學習容器 (DLCs),繼續利用 SageMaker Training。請務必注意,雖然現有 DLCs仍可存取,但根據深度學習容器架構支援政策 AWS,他們將不再收到來自 的修補程式或更新。 AWS

本指南將逐步引導您如何針對利用編譯器加速的訓練工作調整訓練指令碼。訓練指令碼的準備取決於以下內容:

  • 訓練設定,例如單核心或分散式訓練。

  • 用來建立訓練指令碼的架構與程式庫。

根據採用的架構,選擇下列其中一個主題。

注意

完成訓練指令碼的準備後,您可以使用 SageMaker AI 架構估算器類別執行 SageMaker 訓練任務。如需詳細資訊,請前往 啟用 SageMaker Training Compiler 參閱前一主題。

隱私權網站條款Cookie 偏好設定
© 2025, Amazon Web Services, Inc.或其附屬公司。保留所有權利。