内置算法的实例类型 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

内置算法的实例类型

对于训练和托管Amazon SageMaker算法,我们建议使用以下Amazon EC2实例类型:

  • ml.m5.xlarge、ml.m5.4xlarge 和 ml.m5.10xlarge

  • ml.c5.xlarge、ml.c5.2xlarge 和 ml.c5.8xlarge

  • ml.p3.xlarge、ml.p3.8xlarge 和 ml.p3.16xlarge

大多数 Amazon SageMaker 算法已设计为将 GPU 计算用于训练。尽管每实例成本较高,但 GPU 训练的速度更快,因此更经济高效。本指南中注明了例外情况。

数据的大小和类型会对最高效硬件配置产生很大的影响。当同一模型定期训练时,跨一系列实例类型的初始测试可以发现在长期运行中更具成本效益的配置。此外,在 GPU 上进行最有效训练的算法可能不需要 GPU 来进行有效推理。进行试验,以确定最具成本效益的解决方案。

有关SageMaker硬件规格的更多信息,请参阅 Amazon SageMaker ML 实例类型