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。
Amazon SageMaker AI 中的托管竞价型训练
Amazon SageMaker AI 通过使用托管的 Amazon EC2 竞价型实例轻松训练机器学习模型。与按需实例相比，托管竞价型训练最多可以将训练模型的成本减少 90%。SageMaker AI 代表您管理竞价型中断。
托管竞价型训练使用 Amazon EC2 竞价型实例而不是按需实例来运行训练作业。您可以指定哪些训练作业使用竞价型实例，还可以指定一个停止条件，以规定 SageMaker AI 等待使用 Amazon EC2 竞价型实例运行作业的时间长度。CloudWatch 中提供在运行训练期间生成的指标和日志。
Amazon SageMaker AI 自动模型调优（也称为超参数调优）可以使用托管竞价型训练。有关自动模型调优的更多信息，请参阅使用 SageMaker AI 自动调整模型。
Spot 实例可能会中断，导致作业开始或结束所花的时间更长。您可以将托管竞价型训练作业配置为使用检查点。SageMaker AI 将检查点数据从本地路径复制到 Amazon S3。重新启动作业时，SageMaker AI 会将数据从 Amazon S3 复制回本地路径。然后，训练作业可以从最后一个检查点恢复，而无需重新开始。有关检查点操作的更多信息，请参阅 Amazon SageMaker AI 中的检查点。
注意
除非您的训练作业能够快速完成，否则我们建议您对托管的 Spot 训练使用检查点。不执行检查点操作的 SageMaker AI 内置算法和市场算法目前将 MaxWaitTimeInSeconds 限制为 3600 秒（60 分钟）。
要使用托管的 Spot 训练，请创建一个训练作业。将 EnableManagedSpotTraining 设置为 True 并指定 MaxWaitTimeInSeconds。MaxWaitTimeInSeconds 必须大于 MaxRuntimeInSeconds。有关创建训练作业的更多信息，请参阅 DescribeTrainingJob。
您可以使用公式 (1 -
(BillableTimeInSeconds / TrainingTimeInSeconds)) * 100 计算使用托管的 Spot 训练时节省的时间。例如，如果 BillableTimeInSeconds 为 100 而 TrainingTimeInSeconds 为 500，表示您的训练作业运行了 500 秒，但只收取 100 秒的费用。可节约 (1 - (100 / 500)) * 100 = 80%。
要了解如何在 Amazon SageMaker AI 竞价型实例上运行训练作业，托管竞价型训练的工作原理以及它是如何缩短计费时间的，请参阅以下示例笔记本：