Сегодня Amazon SageMaker AI анонсирует списки предпочтений экземпляров для заданий обучения и обработки, что упрощает и ускоряет поиск вычислительных мощностей для ваших рабочих нагрузок. Многие рабочие нагрузки по обучению ИИ, дообучению и обработке данных одинаково хорошо работают на нескольких типах или размерах экземпляров. Однако до сих пор вам приходилось указывать только один тип экземпляра при отправке задания и ждать, пока SageMaker найдет этот конкретный экземпляр для вашего задания. В периоды пикового спроса на высокопроизводительные GPU, когда время ожидания может быть непредсказуемым, клиентам иногда приходилось создавать сложную логику повторных попыток или одновременно отправлять несколько заданий с разными типами экземпляров, чтобы найти первый доступный вариант. Теперь вы можете просто предоставить приоритетный список типов экземпляров, которые принимает ваша рабочая нагрузка, и SageMaker автоматически запустит ваше задание на первой доступной конфигурации из ваших предпочтений. С этим решением ваше задание обучения или обработки, скорее всего, начнется раньше.Чтобы использовать эту функцию, вы указываете предпочтения по типу и количеству экземпляров в порядке приоритета при отправке задания обучения или обработки. Например, ваш список может содержать предпочтение двух экземпляров ml.g6.48xlarge или четырех экземпляров ml.g5.48xlarge. SageMaker проходит по списку и запускает ваше задание на первой конфигурации, где есть доступная емкость. Вы также можете настроить получение емкости из источников по требованию или из ваших зарезервированных планов гибкого обучения SageMaker в рамках одного и того же задания. Эта функция упрощает процесс получения вычислительных ресурсов для ваших заданий в периоды высокого спроса и уменьшает количество однотипных ручных повторных попыток, которые вы бы иначе выполняли, и все это в рамках уже используемых вами API заданий обучения и обработки SageMaker.Списки предпочтений экземпляров для заданий обучения и обработки SageMaker доступны сегодня во всех регионах AWS, где доступен SageMaker, через CLI, API, SDK и пользовательский интерфейс консоли SageMaker. Чтобы узнать больше, ознакомьтесь с нашей документацией или нашим вводным блогом.