בעת שימוש בהדרכה של מודל למידה מכונה מבוזרת (ML) בפלטפורמת Google Cloud AI, אתה אכן יכול להשתמש בקובץ התצורה עבור פריסת מודל CMLE (Cloud Machine Learning Engine) כדי להגדיר את מספר המכונות המשמשות בהדרכה. עם זאת, לא ניתן להגדיר ישירות את סוג המכונות שישמשו.
באימון מודל ML מבוזר, קובץ התצורה של פריסת מודל CMLE מאפשר לך לציין את דרגת קנה המידה לאימון. דרגת הסולם קובעת את מספר וסוג המכונות המשמשות בעבודת ההדרכה. אפשרויות שכבת הקנה מידה נעות בין BASIC ל-CUSTOM, כאשר לכל שכבה יש מספר מוגדר מראש של עובדים ושרתי פרמטרים. על ידי בחירת דרגת הסולם המתאימה, תוכל לשלוט במספר המכונות המשמשות לאימון.
לדוגמה, אם תבחר בשכבת קנה המידה BASIC, היא תשתמש בעובד בודד וללא שרתי פרמטרים. מצד שני, אם תבחר בשכבת קנה המידה STANDARD_1, הוא ישתמש בעובד אחד ובשרת פרמטר אחד. שכבת קנה המידה PREMIUM_1 משתמשת בשרת עובד אחד ובארבעה פרמטרים, בעוד שדרגת קנה המידה CUSTOM מאפשרת לך לציין במפורש את מספר העובדים ושרתי הפרמטרים.
עם זאת, בעוד שאתה יכול להגדיר את מספר המכונות, אינך יכול לציין ישירות את סוג המכונות המשמשות באימון. סוג המכונות המשמשות נקבע לפי דרגת הקנה מידה ומוגדר מראש על ידי Google Cloud AI Platform. לכל שכבת קנה מידה יש סוג מכונה ברירת מחדל המשויך אליו, אשר מותאם לשכבת קנה המידה הנתונה. לדוגמה, שכבת קנה המידה BASIC משתמשת בסוג המכונה n1-standard-1, בעוד שכבת קנה המידה STANDARD_1 משתמשת בסוג המכונה n1-standard-4.
אם אתה זקוק לשליטה רבה יותר על סוגי המכונות המשמשים באימון, אתה יכול להשתמש בקונטיינרים מותאמים אישית עם Cloud AI Platform. עם קונטיינרים מותאמים אישית, אתה יכול לבנות ולפרוס תמונת אימון משלך, המאפשרת לך לציין את סוגי המכונה ותלות אחרות הנדרשות לאימון. על ידי יצירת מיכל מותאם אישית, יש לך את הגמישות להגדיר את סוגי המכונות המדויקים המתאימים לצרכי האימון שלך.
בעת שימוש בהדרכה מבוזרת של מודל ML בפלטפורמת Google Cloud AI, תוכל להגדיר את מספר המכונות המשמשות להדרכה באמצעות קובץ התצורה של פריסת מודל CMLE. עם זאת, אינך יכול לציין ישירות את סוג המכונות המשמשות, מכיוון שהוא נקבע על ידי דרגת הקנה מידה. אם אתה צריך יותר שליטה על סוגי מכונות, אתה יכול למנף קונטיינרים מותאמים אישית כדי לבנות ולפרוס תמונת אימון משלך.
שאלות ותשובות אחרונות אחרות בנושא EITC/AI/GCML Google Cloud Machine Learning:
- מהו טקסט לדיבור (TTS) וכיצד הוא עובד עם AI?
- מהן המגבלות בעבודה עם מערכי נתונים גדולים בלמידת מכונה?
- האם למידת מכונה יכולה לעזור קצת?
- מהו מגרש המשחקים TensorFlow?
- מה בעצם אומר מערך נתונים גדול יותר?
- מהן כמה דוגמאות לפרמטרים היפרפרמטרים של האלגוריתם?
- מהי למידת אנסמבל?
- מה אם אלגוריתם למידת מכונה שנבחר אינו מתאים וכיצד ניתן לוודא לבחור נכון?
- האם מודל למידת מכונה צריך השגחה במהלך ההכשרה שלו?
- מהם הפרמטרים המרכזיים המשמשים באלגוריתמים מבוססי רשת עצבית?
הצג שאלות ותשובות נוספות ב-EITC/AI/GCML Google Cloud Machine Learning