Lorsque vous utilisez la formation de modèles d'apprentissage automatique distribué (ML) sur Google Cloud AI Platform, vous pouvez en effet utiliser le fichier de configuration pour le déploiement du modèle CMLE (Cloud Machine Learning Engine) pour définir le nombre de machines utilisées dans la formation. Il n’est cependant pas possible de définir directement le type de machines qui seront utilisées.
Dans la formation du modèle ML distribué, le fichier de configuration de déploiement du modèle CMLE vous permet de spécifier le niveau d'échelle pour la formation. Le niveau d'échelle détermine le nombre et le type de machines utilisées dans le travail de formation. Les options de niveau d'échelle vont de BASIC à CUSTOM, chaque niveau ayant un nombre prédéfini de travailleurs et de serveurs de paramètres. En sélectionnant le niveau d'échelle approprié, vous pouvez contrôler le nombre de machines utilisées pour la formation.
Par exemple, si vous choisissez le niveau d'échelle BASIC, il utilisera un seul travailleur et aucun serveur de paramètres. D'un autre côté, si vous choisissez le niveau d'échelle STANDARD_1, il utilisera un travailleur et un serveur de paramètres. Le niveau d'échelle PREMIUM_1 utilise un travailleur et quatre serveurs de paramètres, tandis que le niveau d'échelle CUSTOM vous permet de spécifier explicitement le nombre de travailleurs et de serveurs de paramètres.
Cependant, même si vous pouvez définir le nombre de machines, vous ne pouvez pas spécifier directement le type de machines utilisées dans la formation. Le type de machines utilisées est déterminé par le niveau d'échelle et est prédéfini par Google Cloud AI Platform. Chaque niveau d’échelle est associé à un type de machine par défaut, optimisé pour le niveau d’échelle donné. Par exemple, le niveau d'échelle BASIC utilise le type de machine n1-standard-1, tandis que le niveau d'échelle STANDARD_1 utilise le type de machine n1-standard-4.
Si vous avez besoin de plus de contrôle sur les types de machines utilisés dans la formation, vous pouvez utiliser des conteneurs personnalisés avec Cloud AI Platform. Avec les conteneurs personnalisés, vous pouvez créer et déployer votre propre image de formation, ce qui vous permet de spécifier les types de machines et autres dépendances requises pour la formation. En créant un conteneur personnalisé, vous avez la possibilité de définir les types de machines exacts qui répondent à vos besoins de formation.
Lorsque vous utilisez l'entraînement de modèle ML distribué sur Google Cloud AI Platform, vous pouvez définir le nombre de machines utilisées pour l'entraînement via le fichier de configuration de déploiement du modèle CMLE. Cependant, vous ne pouvez pas spécifier directement le type de machines utilisées, car il est déterminé par le niveau d'échelle. Si vous avez besoin de plus de contrôle sur les types de machines, vous pouvez exploiter des conteneurs personnalisés pour créer et déployer votre propre image de formation.
D'autres questions et réponses récentes concernant EITC/AI/GCML Google Cloud Machine Learning:
- Qu'est-ce que la synthèse vocale (TTS) et comment fonctionne-t-elle avec l'IA ?
- Quelles sont les limites du travail avec de grands ensembles de données en apprentissage automatique ?
- L’apprentissage automatique peut-il apporter une assistance dialogique ?
- Qu'est-ce que le terrain de jeu TensorFlow ?
- Que signifie réellement un ensemble de données plus volumineux ?
- Quels sont quelques exemples d’hyperparamètres d’algorithme ?
- Qu’est-ce que l’apprentissage ensamble ?
- Que se passe-t-il si l’algorithme d’apprentissage automatique choisi ne convient pas et comment peut-on être sûr de sélectionner le bon ?
- Un modèle de machine learning a-t-il besoin d’être supervisé lors de sa formation ?
- Quels sont les paramètres clés utilisés dans les algorithmes basés sur les réseaux neuronaux ?
Afficher plus de questions et réponses dans EITC/AI/GCML Google Cloud Machine Learning
Plus de questions et réponses :
- Champ: Intelligence artificielle
- Programme: EITC/AI/GCML Google Cloud Machine Learning (accéder au programme de certification)
- Leçon: Plateforme Google Cloud AI (aller à la leçon correspondante)
- Topic: Modèles de formation avec des conteneurs personnalisés sur Cloud AI Platform (aller au sujet connexe)