Când utilizați formarea modelului de învățare automată distribuită (ML) pe Google Cloud AI Platform, puteți utiliza într-adevăr fișierul de configurare pentru implementarea modelului CMLE (Cloud Machine Learning Engine) pentru a defini numărul de mașini utilizate în instruire. Cu toate acestea, nu este posibil să se definească direct tipul de mașini care vor fi utilizate.
În instruirea modelului ML distribuit, fișierul de configurare a implementării modelului CMLE vă permite să specificați nivelul de scară pentru antrenament. Nivelul de scară determină numărul și tipul de mașini utilizate în munca de formare. Opțiunile nivelului de scară variază de la BASIC la CUSTOM, fiecare nivel având un număr predefinit de lucrători și servere de parametri. Prin selectarea nivelului de scară adecvat, puteți controla numărul de mașini utilizate pentru antrenament.
De exemplu, dacă alegeți nivelul de scară BASIC, acesta va folosi un singur lucrător și fără servere de parametri. Pe de altă parte, dacă alegeți nivelul de scară STANDARD_1, acesta va folosi un server de lucru și un server de parametri. Nivelul de scară PREMIUM_1 utilizează un server de lucru și patru parametri, în timp ce nivelul de scară CUSTOM vă permite să specificați în mod explicit numărul de lucrători și servere de parametri.
Cu toate acestea, deși puteți defini numărul de mașini, nu puteți specifica direct tipul de mașini utilizate în antrenament. Tipul de mașini utilizate este determinat de nivelul de scară și este predefinit de Google Cloud AI Platform. Fiecare nivel de scară are asociat un tip de mașină implicit, care este optimizat pentru nivelul de scară dat. De exemplu, nivelul de scară BASIC utilizează tipul de mașină n1-standard-1, în timp ce nivelul de scară STANDARD_1 utilizează tipul de mașină n1-standard-4.
Dacă aveți nevoie de mai mult control asupra tipurilor de mașini utilizate în instruire, puteți utiliza containere personalizate cu Cloud AI Platform. Cu containere personalizate, puteți construi și implementa propria imagine de antrenament, care vă permite să specificați tipurile de mașini și alte dependențe necesare pentru antrenament. Prin crearea unui container personalizat, aveți flexibilitatea de a defini tipurile exacte de mașini care se potrivesc nevoilor dumneavoastră de antrenament.
Când utilizați instruirea modelului ML distribuit pe Google Cloud AI Platform, puteți defini numărul de mașini utilizate pentru antrenament prin fișierul de configurare a implementării modelului CMLE. Cu toate acestea, nu puteți specifica direct tipul de mașini utilizate, deoarece este determinat de nivelul de scară. Dacă aveți nevoie de mai mult control asupra tipurilor de mașini, puteți utiliza containere personalizate pentru a construi și a implementa propria imagine de antrenament.
Alte întrebări și răspunsuri recente cu privire la EITC/AI/GCML Google Cloud Machine Learning:
- Ce este textul în vorbire (TTS) și cum funcționează cu AI?
- Care sunt limitările în lucrul cu seturi mari de date în învățarea automată?
- Învățarea automată poate ajuta la dialog?
- Ce este locul de joacă TensorFlow?
- Ce înseamnă de fapt un set de date mai mare?
- Care sunt câteva exemple de hiperparametri ai algoritmului?
- Ce este învățarea prin ansamblu?
- Ce se întâmplă dacă un algoritm de învățare automată ales nu este potrivit și cum te poți asigura că îl selectezi pe cel potrivit?
- Un model de învățare automată are nevoie de supraveghere în timpul antrenamentului?
- Care sunt parametrii cheie utilizați în algoritmii bazați pe rețele neuronale?
Vedeți mai multe întrebări și răspunsuri în EITC/AI/GCML Google Cloud Machine Learning