Kiam vi uzas distribuitan maŝinlernadon (ML) modeltrejnadon sur Google Cloud AI Platform, vi ja povas utiligi la agordan dosieron por la modeldeplojo de CMLE (Cloud Machine Learning Engine) por difini la nombron da maŝinoj uzataj en trejnado. Tamen, ne eblas rekte difini la tipon de maŝinoj kiuj estos uzataj.
En distribuita ML-modeltrejnado, la CMLE-modela disfalda agorda dosiero ebligas al vi specifi la skalan nivelon por trejnado. La skalo-nivelo determinas la nombron kaj specon de maŝinoj uzataj en la trejna laboro. La skalaj nivelopcioj intervalas de BASIC al PERSONAJN, kie ĉiu parto havas antaŭdifinitan nombron da laboristoj kaj parametroserviloj. Elektante la taŭgan skalan nivelon, vi povas kontroli la nombron da maŝinoj uzataj por trejnado.
Ekzemple, se vi elektas la skalan nivelon BASIC, ĝi uzos ununuran laboriston kaj neniujn parametrajn servilojn. Aliflanke, se vi elektas la skalan nivelon STANDARD_1, ĝi uzos unu laboriston kaj unu parametran servilon. La skalo-nivelo PREMIUM_1 uzas unu laboriston kaj kvar parametro-servilojn, dum la skalo-nivelo CUSTOM permesas al vi specifi la nombron da laboristoj kaj parametro-serviloj eksplicite.
Tamen, dum vi povas difini la nombron da maŝinoj, vi ne povas rekte specifi la tipon de maŝinoj uzataj en trejnado. La speco de maŝinoj uzataj estas determinita de la skalo kaj estas antaŭdifinita de Google Cloud AI Platform. Ĉiu skalnivelo havas defaŭltan maŝinspecon asociitan kun ĝi, kiu estas optimumigita por la donita skalnivelo. Ekzemple, la BASIC-skalnivelo uzas la n1-norman-1-maŝinspecon, dum la STANDARD_1-skalnivelo uzas la n1-norman-4-maŝinspecon.
Se vi postulas pli da kontrolo pri la maŝinspecoj uzataj en trejnado, vi povas uzi kutimajn ujojn kun Cloud AI Platform. Per kutimaj ujoj, vi povas konstrui kaj disfaldi vian propran trejnan bildon, kiu ebligas al vi specifi la maŝintipojn kaj aliajn dependecojn necesajn por trejnado. Kreante kutiman ujon, vi havas la flekseblecon difini la ĝustajn maŝintipojn, kiuj konvenas al viaj trejnadbezonoj.
Kiam vi uzas distribuitan ML-modeltrejnadon sur Google Cloud AI Platform, vi povas difini la nombron da maŝinoj uzataj por trejnado per la agorda dosiero de CMLE-modela deplojo. Tamen, vi ne povas rekte specifi la tipon de maŝinoj uzataj, ĉar ĝi estas determinita de la skalo-nivelo. Se vi postulas pli da kontrolo pri maŝinspecoj, vi povas utiligi kutimajn ujojn por konstrui kaj disfaldi vian propran trejnan bildon.
Aliaj lastatempaj demandoj kaj respondoj pri EITC/AI/GCML Google Cloud Machine Machine Learning:
- Kio estas teksto al parolado (TTS) kaj kiel ĝi funkcias kun AI?
- Kio estas la limigoj por labori kun grandaj datumaroj en maŝina lernado?
- Ĉu maŝinlernado povas fari iun dialogan helpon?
- Kio estas la ludejo TensorFlow?
- Kion fakte signifas pli granda datumaro?
- Kio estas kelkaj ekzemploj de hiperparametroj de algoritmo?
- Kio estas ensamble-lernado?
- Kio se elektita maŝinlernada algoritmo ne taŭgas kaj kiel oni povas certigi elekti la ĝustan?
- Ĉu maŝinlernada modelo bezonas superrigardon dum sia trejnado?
- Kiuj estas la ŝlosilaj parametroj uzataj en algoritmoj bazitaj en neŭralaj reto?
Rigardu pliajn demandojn kaj respondojn en EITC/AI/GCML Google Cloud Machine Learning