Apa itu SageMaker HyperPod?
AmazonSageMaker HyperPod menghilangkan beban berat yang tidak terdiferensiasi yang terlibat dalam membangun dan mengoptimalkan infrastruktur machine learning (ML) untuk model fondasi (FM) pelatihan, yang mengurangi waktu pelatihan hingga 40%. SageMaker HyperPod telah dikonfigurasi sebelumnya dengan pustaka pelatihan terdistribusi SageMaker yang memungkinkan pelanggan membagi beban kerja pelatihan secara otomatis ke ribuan akselerator, sehingga beban kerja dapat diproses secara paralel untuk meningkatkan performa model. SageMaker HyperPod juga memastikan pelanggan dapat melanjutkan pelatihan FM tanpa gangguan dengan menyimpan pos pemeriksaan secara berkala. Ketika kegagalan perangkat keras terjadi selama pelatihan, SageMaker HyperPod secara otomatis mendeteksi kegagalan tersebut, memperbaiki atau mengganti instans yang rusak, dan melanjutkan pelatihan dari titik pemeriksaan terakhir yang disimpan, menghilangkan kebutuhan bagi pelanggan untuk mengelola proses ini secara manual, dan membantu mereka berlatih selama seminggu atau berbulan-bulan dalam pengaturan terdistribusi tanpa gangguan.
Manfaat SageMaker HyperPod
Pemeriksaan dan perbaikan kondisi klaster otomatis
Jika ada instans yang rusak selama beban kerja pelatihan, SageMaker HyperPod secara otomatis mendeteksi dan menukar simpul yang rusak dengan simpul yang normal. Untuk mendeteksi perangkat keras yang rusak, SageMaker HyperPod secara rutin menjalankan serangkaian pemeriksaan kondisi untuk GPU dan integritas jaringan.
Pustaka pelatihan terdistribusi yang dioptimalkan
SageMaker HyperPod telah dikonfigurasi sebelumnya dengan pustaka terdistribusi SageMaker. Dengan hanya beberapa baris kode, Anda dapat mengaktifkan paralelisme data dalam skrip pelatihan Anda. SageMaker HyperPod mempercepat pelaksanaan pelatihan terdistribusi dengan membagi model dan set data pelatihan Anda secara otomatis di seluruh instans GPU AWS.
Pelajari selengkapnya »
Penjadwalan dan orkestrasi beban kerja
Lakukan debug dan tingkatkan performa model
Anda dapat menggunakan alat ML yang dibuat khusus di SageMaker HyperPod untuk meningkatkan performa pelatihan. Amazon SageMaker dengan TensorBoard membantu Anda menghemat waktu pengembangan dengan memvisualisasikan arsitektur model untuk mengidentifikasi dan mengatasi masalah konvergensi, seperti kehilangan validasi, tidak konvergen, atau menghilangnya gradien.