内置算法的实例类型 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 服务入门 (PDF)。

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.m5.12xlarge

  • 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 算法都经过精心设计，可以利用 GPU 计算进行训练。对于大多数算法训练，我们支持 P2、P3、G4dn 和 G5 GPU 实例。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。

数据的大小和类型会对最高效硬件配置产生很大的影响。在定期训练相同的模型时，针对一系列实例类型进行初始测试，可找到在长时间运行中最经济高效的配置。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。要获得自动实例推荐或进行自定义负载测试，请使用 Amazon SageMaker 推理推荐器。

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