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)

内置算法的实例类型

要训练和托管 Amazon SageMaker 算法,建议您使用以下 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 算法已设计为将 GPU 算力用于训练。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 Inference Recommender

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