Quan utilitzeu l'entrenament del model d'aprenentatge automàtic (ML) distribuït a Google Cloud AI Platform, podeu utilitzar el fitxer de configuració per al desplegament del model CMLE (Cloud Machine Learning Engine) per definir el nombre de màquines utilitzades en la formació. Tanmateix, no és possible definir directament el tipus de màquines que s'utilitzaran.
En l'entrenament del model ML distribuït, el fitxer de configuració de desplegament del model CMLE us permet especificar el nivell d'escala per a la formació. El nivell d'escala determina el nombre i el tipus de màquines utilitzades en el treball de formació. Les opcions de nivell d'escala van des de BASIC fins a CUSTOM, amb cada nivell amb un nombre predefinit de treballadors i servidors de paràmetres. Si seleccioneu el nivell d'escala adequat, podeu controlar el nombre de màquines utilitzades per a l'entrenament.
Per exemple, si trieu el nivell d'escala BASIC, utilitzarà un sol treballador i cap servidor de paràmetres. D'altra banda, si trieu el nivell d'escala STANDARD_1, utilitzarà un servidor de treball i un de paràmetres. El nivell d'escala PREMIUM_1 utilitza un servidor de treball i quatre paràmetres, mentre que el nivell d'escala CUSTOM us permet especificar explícitament el nombre de treballadors i servidors de paràmetres.
Tanmateix, tot i que podeu definir el nombre de màquines, no podeu especificar directament el tipus de màquines utilitzades en l'entrenament. El tipus de màquines utilitzades ve determinat pel nivell d'escala i està predefinit per Google Cloud AI Platform. Cada nivell d'escala té associat un tipus de màquina predeterminat, que està optimitzat per al nivell d'escala donat. Per exemple, el nivell d'escala BASIC utilitza el tipus de màquina n1-standard-1, mentre que el nivell d'escala STANDARD_1 utilitza el tipus de màquina n1-estàndard-4.
Si necessiteu més control sobre els tipus de màquines utilitzats en la formació, podeu utilitzar contenidors personalitzats amb Cloud AI Platform. Amb contenidors personalitzats, podeu crear i desplegar la vostra pròpia imatge d'entrenament, que us permet especificar els tipus de màquina i altres dependències necessàries per a l'entrenament. En crear un contenidor personalitzat, teniu la flexibilitat de definir els tipus de màquines exactes que s'adaptin a les vostres necessitats d'entrenament.
Quan utilitzeu l'entrenament del model ML distribuït a Google Cloud AI Platform, podeu definir el nombre de màquines que s'utilitzen per a l'entrenament mitjançant el fitxer de configuració de desplegament del model CMLE. Tanmateix, no podeu especificar directament el tipus de màquines utilitzades, ja que està determinat pel nivell d'escala. Si necessiteu més control sobre els tipus de màquines, podeu aprofitar els contenidors personalitzats per crear i desplegar la vostra pròpia imatge d'entrenament.
Altres preguntes i respostes recents sobre EITC/AI/GCML Google Cloud Machine Learning:
- Què és el text a veu (TTS) i com funciona amb IA?
- Quines són les limitacions de treballar amb grans conjunts de dades en l'aprenentatge automàtic?
- L'aprenentatge automàtic pot fer una mica d'ajuda dialògica?
- Què és el pati TensorFlow?
- Què significa realment un conjunt de dades més gran?
- Quins són alguns exemples d'hiperparàmetres d'algorisme?
- Què és l'aprenentatge ensamble?
- Què passa si un algorisme d'aprenentatge automàtic escollit no és adequat i com es pot assegurar-se de seleccionar-ne l'adequat?
- Un model d'aprenentatge automàtic necessita supervisió durant la seva formació?
- Quins són els paràmetres clau utilitzats en algorismes basats en xarxes neuronals?
Consulta més preguntes i respostes a EITC/AI/GCML Google Cloud Machine Learning