Когато използвате обучение по модел на разпределено машинно обучение (ML) на Google Cloud AI Platform, вие наистина можете да използвате конфигурационния файл за внедряване на модела CMLE (Cloud Machine Learning Engine), за да определите броя на машините, използвани в обучението. Не е възможно обаче директно да се определи типът машини, които ще се използват.
В обучението на разпределен ML модел, конфигурационният файл за внедряване на CMLE модел ви позволява да посочите нивото на мащаба за обучение. Нивото на мащаба определя броя и вида на машините, използвани в обучителната работа. Опциите за ниво на мащаб варират от BASIC до CUSTOM, като всяко ниво има предварително определен брой работници и сървъри за параметри. Като изберете подходящото ниво на скала, можете да контролирате броя на машините, използвани за обучение.
Например, ако изберете ниво на мащаб BASIC, то ще използва един работник и няма сървъри за параметри. От друга страна, ако изберете ниво на мащаба STANDARD_1, то ще използва един работен и един сървър на параметри. Нивото на мащаба PREMIUM_1 използва един работник и четири сървъра с параметри, докато нивото на мащаба CUSTOM ви позволява изрично да посочите броя на работниците и сървърите с параметри.
Въпреки това, въпреки че можете да определите броя на машините, не можете директно да посочите типа машини, използвани в обучението. Типът на използваните машини се определя от нивото на мащаба и е предварително дефиниран от Google Cloud AI Platform. Всеки мащабен слой има асоцииран тип машина по подразбиране, който е оптимизиран за дадения мащабен слой. Например, нивото на скалата BASIC използва типа машина n1-standard-1, докато нивото на мащаба STANDARD_1 използва типа машина n1-standard-4.
Ако имате нужда от повече контрол върху типовете машини, използвани в обучението, можете да използвате персонализирани контейнери с Cloud AI Platform. С персонализираните контейнери можете да изградите и внедрите свое собствено изображение за обучение, което ви позволява да посочите типовете машини и други зависимости, необходими за обучение. Чрез създаването на персонализиран контейнер вие имате гъвкавостта да дефинирате точните типове машини, които отговарят на вашите нужди за обучение.
Когато използвате обучение на разпределен ML модел на Google Cloud AI Platform, можете да определите броя на машините, използвани за обучение чрез конфигурационния файл за внедряване на CMLE модел. Не можете обаче директно да посочите вида на използваните машини, тъй като той се определя от нивото на мащаба. Ако се нуждаете от повече контрол върху типовете машини, можете да използвате персонализирани контейнери, за да изградите и внедрите свой собствен образ за обучение.
Други скорошни въпроси и отговори относно EITC/AI/GCML Google Cloud Machine Learning:
- Какво е текст към реч (TTS) и как работи с AI?
- Какви са ограниченията при работа с големи набори от данни в машинното обучение?
- Може ли машинното обучение да окаже някаква диалогична помощ?
- Какво представлява детската площадка TensorFlow?
- Какво всъщност означава по-голям набор от данни?
- Кои са някои примери за хиперпараметри на алгоритъма?
- Какво представлява ансамбълното обучение?
- Какво става, ако избраният алгоритъм за машинно обучение не е подходящ и как може човек да се увери, че е избрал правилния?
- Нуждае ли се моделът за машинно обучение от надзор по време на обучението си?
- Какви са ключовите параметри, използвани в алгоритми, базирани на невронни мрежи?
Вижте още въпроси и отговори в EITC/AI/GCML Google Cloud Machine Learning