Apa itu SageMaker HyperPod?
Amazon SageMaker HyperPod menghilangkan beban berat yang tidak terdiferensiasi yang terlibat dalam membangun dan mengoptimalkan infrastruktur machine learning (ML). SageMaker HyperPod telah dikonfigurasi sebelumnya dengan pustaka pelatihan terdistribusi SageMaker yang memungkinkan Anda membagi beban kerja pelatihan secara otomatis ke ribuan akselerator, sehingga beban kerja dapat diproses secara paralel untuk meningkatkan performa model. SageMaker HyperPod memastikan pelatihan FM Anda tidak terganggu dengan menyimpan pos pemeriksaan secara berkala. Ini secara otomatis mendeteksi kegagalan perangkat keras ketika itu terjadi, memperbaiki atau mengganti instans yang rusak, dan melanjutkan pelatihan dari pos pemeriksaan terakhir yang disimpan, menghilangkan kebutuhan bagi Anda untuk mengelola proses ini secara manual. Lingkungan tangguh memungkinkan Anda melatih model selama seminggu atau berbulan-bulan dalam pengaturan terdistribusi tanpa gangguan, menghemat waktu pelatihan hingga 40%. SageMaker HyperPod juga sangat dapat disesuaikan, memungkinkan Anda menjalankan dan menskalakan beban kerja FM secara efisien dan dengan mudah berbagi kapasitas komputasi antara beban kerja yang berbeda, mulai dari pelatihan skala besar hingga inferensi.
Manfaat SageMaker HyperPod
Skalabilitas dan pemanfaatan sumber daya yang dioptimalkan
Anda dapat mengelola dan mengoperasikan klaster HyperPod SageMaker dengan pengalaman administrator berbasis Kubernetes yang konsisten. Ini memungkinkan Anda menjalankan dan menskalakan beban kerja FM secara efisien, mulai dari pelatihan, penyempurnaan, eksperimen, hingga inferensi. Anda dapat dengan mudah berbagi kapasitas komputasi dan beralih antara Slurm dan EKS untuk berbagai jenis beban kerja.
Pemeriksaan dan perbaikan kondisi klaster otomatis
Jika ada instans yang rusak selama beban kerja pelatihan, SageMaker HyperPod secara otomatis mendeteksi dan menukar simpul yang rusak dengan simpul yang normal. Untuk mendeteksi perangkat keras yang rusak, SageMaker HyperPod secara rutin menjalankan serangkaian pemeriksaan kondisi untuk GPU dan integritas jaringan.
Pengamatan lanjutan untuk peningkatan kinerja
Anda dapat menggunakan alat ML bawaan di SageMaker HyperPod untuk meningkatkan kinerja model. Misalnya, Amazon SageMaker dengan TensorBoard membantu Anda menghemat waktu pengembangan dengan memvisualisasikan arsitektur model untuk mengidentifikasi dan memperbaiki masalah konvergensi dan Amazon SageMaker Debugger menangkap metrik dan membuat profil pekerjaan pelatihan secara real time. Integrasi dengan Amazon CloudWatch Container Insight memberikan wawasan yang lebih mendalam tentang kinerja, kesehatan, dan pemanfaatan klaster.
Pustaka pelatihan terdistribusi berkinerja tinggi
Dengan pustaka pelatihan terdistribusi SageMaker, Anda dapat menjalankan tugas pelatihan deep learning paralel dan model paralel data kustom yang sangat skalabel dan hemat biaya. SageMaker HyperPod telah dikonfigurasi sebelumnya dengan pustaka terdistribusi SageMaker. Dengan hanya beberapa baris kode, Anda dapat mengaktifkan paralelisme data dalam skrip pelatihan Anda. SageMaker HyperPod mempercepat pelaksanaan pelatihan terdistribusi dengan membagi model dan set data pelatihan Anda secara otomatis di seluruh instans GPU AWS.
Penjadwalan dan orkestrasi beban kerja
Antarmuka pengguna SageMaker HyperPod sangat dapat disesuaikan menggunakan Slurm atau Amazon EKS. Anda dapat memilih dan menginstal kerangka kerja atau alat apa pun yang diperlukan. Semua klaster disediakan dengan tipe dan jumlah instans yang Anda pilih, dan klaster tersebut dipertahankan untuk Anda gunakan di seluruh beban kerja.