Při používání modelového školení distribuovaného strojového učení (ML) na platformě Google Cloud AI můžete skutečně využít konfigurační soubor pro nasazení modelu CMLE (Cloud Machine Learning Engine) k definování počtu strojů používaných při školení. Není však možné přímo definovat typ strojů, které budou použity.
Při trénování distribuovaného modelu ML vám konfigurační soubor nasazení modelu CMLE umožňuje určit škálovací vrstvu pro trénování. Vrstva měřítka určuje počet a typ strojů použitých při výcviku. Možnosti úrovně škálování se pohybují od BASIC po CUSTOM, přičemž každá vrstva má předdefinovaný počet pracovníků a serverů parametrů. Výběrem vhodné úrovně měřítka můžete ovládat počet strojů používaných pro trénink.
Pokud například zvolíte škálovací vrstvu BASIC, bude používat jednoho pracovníka a žádné servery parametrů. Na druhou stranu, pokud zvolíte škálovací vrstvu STANDARD_1, bude používat jednoho pracovníka a jeden parametrický server. Vrstva škálování PREMIUM_1 používá jednoho pracovníka a čtyři servery parametrů, zatímco vrstva škálování CUSTOM umožňuje explicitně určit počet pracovníků a serverů parametrů.
Zatímco však můžete definovat počet strojů, nemůžete přímo určit typ strojů používaných při tréninku. Typ použitých strojů je určen stupnicí a je předdefinován platformou Google Cloud AI. Každá úroveň měřítka má přiřazený výchozí typ stroje, který je optimalizován pro danou úroveň měřítka. Například vrstva škálování BASIC používá typ stroje n1-standard-1, zatímco vrstva škálování STANDARD_1 používá typ stroje n1-standard-4.
Pokud požadujete větší kontrolu nad typy strojů používaných při školení, můžete použít vlastní kontejnery s platformou Cloud AI. Pomocí vlastních kontejnerů můžete vytvořit a nasadit svůj vlastní tréninkový obraz, který vám umožní určit typy strojů a další závislosti potřebné pro školení. Vytvořením vlastního kontejneru můžete flexibilně definovat přesné typy strojů, které vyhovují vašim tréninkovým potřebám.
Při používání distribuovaného školení modelu ML na platformě Google Cloud AI můžete definovat počet počítačů používaných pro školení prostřednictvím konfiguračního souboru nasazení modelu CMLE. Nemůžete však přímo určit typ použitých strojů, protože ten je určen stupnicí. Pokud požadujete větší kontrolu nad typy strojů, můžete využít vlastní kontejnery k vytvoření a nasazení vlastního tréninkového obrazu.
Další nedávné otázky a odpovědi týkající se EITC/AI/GCML Google Cloud Machine Learning:
- Co je převod textu na řeč (TTS) a jak funguje s umělou inteligencí?
- Jaká jsou omezení při práci s velkými datovými sadami ve strojovém učení?
- Dokáže strojové učení nějakou dialogickou pomoc?
- Co je hřiště TensorFlow?
- Co vlastně znamená větší soubor dat?
- Jaké jsou příklady hyperparametrů algoritmu?
- Co je to souborové učení?
- Co když vybraný algoritmus strojového učení není vhodný a jak se lze ujistit, že vyberete ten správný?
- Potřebuje model strojového učení během tréninku dohled?
- Jaké jsou klíčové parametry používané v algoritmech založených na neuronové síti?
Další otázky a odpovědi naleznete v EITC/AI/GCML Google Cloud Machine Learning