Korzystając ze szkolenia z modelu rozproszonego uczenia maszynowego (ML) na platformie Google Cloud AI, rzeczywiście możesz wykorzystać plik konfiguracyjny do wdrożenia modelu CMLE (Cloud Machine Learning Engine), aby zdefiniować liczbę maszyn używanych w szkoleniu. Nie ma jednak możliwości bezpośredniego określenia rodzaju maszyn, które będą wykorzystywane.
W przypadku szkolenia w modelu rozproszonego uczenia maszynowego plik konfiguracyjny wdrożenia modelu CMLE umożliwia określenie warstwy skalowania na potrzeby szkolenia. Warstwa skali określa liczbę i typ maszyn używanych w zadaniu szkoleniowym. Opcje warstw skalowania obejmują zakres od BASIC do CUSTOM, przy czym każda warstwa ma predefiniowaną liczbę procesów roboczych i serwerów parametrów. Wybierając odpowiednią warstwę skali, możesz kontrolować liczbę maszyn używanych do szkolenia.
Na przykład, jeśli wybierzesz warstwę skalowania BASIC, będzie ona używać jednego procesu roboczego i żadnych serwerów parametrów. Z drugiej strony, jeśli wybierzesz warstwę skali STANDARD_1, będzie ona używać jednego procesu roboczego i jednego serwera parametrów. Warstwa skalowania PREMIUM_1 korzysta z jednego procesu roboczego i czterech serwerów parametrów, natomiast warstwa skalowania CUSTOM umożliwia jawne określenie liczby procesów roboczych i serwerów parametrów.
Jednakże, choć można zdefiniować liczbę maszyn, nie można bezpośrednio określić typu maszyn używanych podczas szkolenia. Rodzaj używanych maszyn zależy od poziomu skali i jest wstępnie zdefiniowany przez Google Cloud AI Platform. Z każdą warstwą skalowania jest skojarzony domyślny typ maszyny, który jest zoptymalizowany pod kątem danej warstwy skalowania. Na przykład warstwa skalowania BASIC używa maszyny typu n1-standard-1, podczas gdy warstwa skalowania STANDARD_1 używa maszyny typu n1-standard-4.
Jeśli potrzebujesz większej kontroli nad typami maszyn używanych w szkoleniach, możesz użyć niestandardowych kontenerów w Cloud AI Platform. Dzięki niestandardowym kontenerom możesz zbudować i wdrożyć własny obraz szkoleniowy, który pozwala określić typy maszyn i inne zależności wymagane do szkolenia. Tworząc niestandardowy kontener, możesz elastycznie zdefiniować dokładnie typy maszyn, które odpowiadają Twoim potrzebom szkoleniowym.
Korzystając ze szkolenia rozproszonego modelu uczenia maszynowego na platformie Google Cloud AI, możesz zdefiniować liczbę maszyn używanych do szkolenia za pomocą pliku konfiguracyjnego wdrożenia modelu CMLE. Nie można jednak bezpośrednio określić typu używanych maszyn, ponieważ jest on określany przez warstwę skali. Jeśli potrzebujesz większej kontroli nad typami maszyn, możesz wykorzystać niestandardowe kontenery do zbudowania i wdrożenia własnego obrazu szkoleniowego.
Inne niedawne pytania i odpowiedzi dotyczące EITC/AI/GCML Uczenie Maszynowe Google Cloud:
- Co to jest tekst na mowę (TTS) i jak współpracuje z AI?
- Jakie są ograniczenia w pracy z dużymi zbiorami danych w uczeniu maszynowym?
- Czy uczenie maszynowe może pomóc w dialogu?
- Czym jest plac zabaw TensorFlow?
- Co właściwie oznacza większy zbiór danych?
- Jakie są przykłady hiperparametrów algorytmu?
- Co to jest uczenie się zespołowe?
- Co się stanie, jeśli wybrany algorytm uczenia maszynowego nie będzie odpowiedni i jak można się upewnić, że zostanie on wybrany właściwy?
- Czy model uczenia maszynowego wymaga nadzoru podczas szkolenia?
- Jakie są kluczowe parametry wykorzystywane w algorytmach opartych na sieciach neuronowych?
Zobacz więcej pytań i odpowiedzi w EITC/AI/GCML Google Cloud Machine Learning