Використовуючи навчання моделі розподіленого машинного навчання (ML) на платформі Google Cloud AI, ви справді можете використовувати файл конфігурації для розгортання моделі CMLE (Cloud Machine Learning Engine), щоб визначити кількість машин, які використовуються в навчанні. Однак прямо визначити тип машин, які будуть використовуватися, неможливо.
У розподіленому навчанні моделі ML файл конфігурації розгортання моделі CMLE дозволяє вказати рівень масштабу для навчання. Рівень шкали визначає кількість і тип машин, які використовуються в навчальній роботі. Параметри рівня масштабування варіюються від BASIC до CUSTOM, причому кожен рівень має попередньо визначену кількість працівників і серверів параметрів. Вибравши відповідний рівень шкали, ви можете контролювати кількість машин, які використовуються для навчання.
Наприклад, якщо ви виберете рівень масштабування BASIC, він використовуватиме один робочий сервер без серверів параметрів. З іншого боку, якщо ви виберете рівень масштабування STANDARD_1, він використовуватиме один робочий і один сервер параметрів. Рівень масштабування PREMIUM_1 використовує один робочий і чотири сервери параметрів, тоді як рівень масштабування CUSTOM дозволяє вам явно вказати кількість робочих і серверів параметрів.
Однак, хоча ви можете визначити кількість машин, ви не можете безпосередньо вказати тип машин, які використовуються під час навчання. Тип використовуваних машин визначається рівнем масштабу та попередньо визначений платформою Google Cloud AI. З кожним рівнем масштабування пов’язаний тип машини за замовчуванням, який оптимізовано для даного рівня масштабування. Наприклад, рівень шкали BASIC використовує тип машини n1-standard-1, тоді як рівень шкали STANDARD_1 використовує тип машини n1-standard-4.
Якщо вам потрібен більший контроль над типами машин, які використовуються під час навчання, ви можете використовувати власні контейнери з Cloud AI Platform. За допомогою спеціальних контейнерів ви можете створювати та розгортати власний навчальний образ, який дозволяє вказувати типи машин та інші залежності, необхідні для навчання. Створюючи спеціальний контейнер, ви маєте можливість визначати точні типи машин, які відповідають вашим потребам у навчанні.
Під час використання розподіленого навчання моделі ML на платформі Google Cloud AI Platform ви можете визначити кількість машин, які використовуються для навчання, у файлі конфігурації розгортання моделі CMLE. Однак ви не можете прямо вказати тип використовуваних машин, оскільки він визначається рівнем масштабу. Якщо вам потрібен більший контроль над типами машин, ви можете використовувати власні контейнери для створення та розгортання власного навчального образу.
Інші останні запитання та відповіді щодо EITC/AI/GCML Google Cloud Machine Learning:
- Що таке синтез мовлення (TTS) і як він працює з ШІ?
- Які обмеження існують у роботі з великими наборами даних у машинному навчанні?
- Чи може машинне навчання надати певну діалогову допомогу?
- Що таке ігровий майданчик TensorFlow?
- Що насправді означає більший набір даних?
- Які приклади гіперпараметрів алгоритму?
- Що таке навчання ансамблю?
- Що робити, якщо обраний алгоритм машинного навчання не підходить, і як переконатися, що вибрано правильний?
- Чи потребує модель машинного навчання нагляд під час навчання?
- Які ключові параметри використовуються в алгоритмах на основі нейронної мережі?
Перегляньте більше запитань і відповідей у EITC/AI/GCML Google Cloud Machine Learning