При использовании обучения модели распределенного машинного обучения (ML) на платформе Google Cloud AI вы действительно можете использовать файл конфигурации для развертывания модели CMLE (Cloud Machine Learning Engine), чтобы определить количество компьютеров, используемых в обучении. Однако невозможно напрямую определить тип машин, которые будут использоваться.
При обучении распределенной модели ML файл конфигурации развертывания модели CMLE позволяет указать уровень масштабирования для обучения. Уровень масштаба определяет количество и тип машин, используемых в обучающем задании. Параметры уровня масштабирования варьируются от BASIC до CUSTOM, при этом каждый уровень имеет заранее определенное количество рабочих процессов и серверов параметров. Выбрав соответствующий уровень масштаба, вы можете контролировать количество машин, используемых для обучения.
Например, если вы выберете уровень масштабирования BASIC, он будет использовать одного рабочего процесса и серверы без параметров. С другой стороны, если вы выберете уровень масштабирования STANDARD_1, он будет использовать одного рабочего и один сервер параметров. Уровень масштабирования PREMIUM_1 использует одного рабочего процесса и четыре сервера параметров, а уровень масштабирования CUSTOM позволяет явно указать количество рабочих процессов и серверов параметров.
Однако, хотя вы можете определить количество машин, вы не можете напрямую указать тип машин, используемых в обучении. Тип используемых машин определяется уровнем масштабирования и предварительно определяется платформой Google Cloud AI. С каждым уровнем масштабирования связан тип машины по умолчанию, оптимизированный для данного уровня масштабирования. Например, уровень масштабирования BASIC использует тип машины n1-standard-1, а уровень масштабирования STANDARD_1 использует тип машины n1-standard-4.
Если вам требуется больший контроль над типами машин, используемых в обучении, вы можете использовать собственные контейнеры с Cloud AI Platform. С помощью пользовательских контейнеров вы можете создать и развернуть собственный обучающий образ, который позволит вам указать типы компьютеров и другие зависимости, необходимые для обучения. Создав собственный контейнер, вы получаете возможность определить точные типы машин, соответствующие вашим потребностям в обучении.
При использовании распределенного обучения модели ML на платформе Google Cloud AI вы можете определить количество компьютеров, используемых для обучения, с помощью файла конфигурации развертывания модели CMLE. Однако вы не можете напрямую указать тип используемых машин, поскольку он определяется уровнем масштабирования. Если вам требуется больший контроль над типами компьютеров, вы можете использовать специальные контейнеры для создания и развертывания собственного обучающего образа.
Другие недавние вопросы и ответы, касающиеся EITC/AI/GCML Машинное обучение Google Cloud:
- Что такое преобразование текста в речь (TTS) и как оно работает с искусственным интеллектом?
- Каковы ограничения при работе с большими наборами данных в машинном обучении?
- Может ли машинное обучение оказать некоторую диалогическую помощь?
- Что такое игровая площадка TensorFlow?
- Что на самом деле означает больший набор данных?
- Каковы примеры гиперпараметров алгоритма?
- Что такое ансамблевое обучение?
- Что делать, если выбранный алгоритм машинного обучения не подходит и как можно убедиться, что выбран правильный?
- Нуждается ли модель машинного обучения в контроле во время обучения?
- Какие ключевые параметры используются в алгоритмах на основе нейронных сетей?
Просмотреть дополнительные вопросы и ответы в EITC/AI/GCML Google Cloud Machine Learning