Connectez-vous aux HyperPod clusters et soumettez des tâches aux clusters

Vous pouvez lancer des charges de travail de machine learning sur des HyperPod clusters au sein d'Amazon SageMaker Studio IDEs. Lorsque vous lancez Studio IDEs sur un HyperPod cluster, un ensemble de commandes est disponible pour vous aider à démarrer. Vous pouvez travailler sur vos scripts de formation, utiliser des conteneurs Docker pour les scripts de formation et soumettre des tâches au cluster, le tout depuis le Studio IDEs. La section suivante fournit des informations sur la façon de connecter votre cluster à Studio IDEs.

Dans Amazon SageMaker Studio, vous pouvez accéder à l'un de vos clusters dans HyperPodclusters (sous Compute) et consulter votre liste de clusters. Vous pouvez connecter votre cluster à un IDE répertorié sous Actions.

Vous pouvez également choisir votre système de fichiers personnalisé dans la liste des options. Pour plus d'informations sur la procédure à suivre pour obtenir cette configuration, consultezConfiguration HyperPod dans Studio.

Vous pouvez également créer un espace et lancer un IDE à l'aide du AWS CLI. Pour ce faire, utilisez les commandes suivantes. L'exemple suivant crée un Private JupyterLab espace pour auquel est user-profile-name joint le système de fichiers fs-id FSx for Lustre.

1. Créez un espace à l'aide du create-space AWS CLI.

   aws sagemaker create-space \
   --region your-region \
   --ownership-settings "OwnerUserProfileName=user-profile-name" \
   --space-sharing-settings "SharingType=Private" \
   --space-settings "AppType=JupyterLab,CustomFileSystems=[{FSxLustreFileSystem={FileSystemId=fs-id}}]"

2. Créez l'application à l'aide du create-app AWS CLI.

   aws sagemaker create-app \
   --region your-region \
   --space-name space-name \
   --resource-spec '{"ec2InstanceType":"'"instance-type"'","appEnvironmentArn":"'"image-arn"'"}'

Une fois que vos applications sont ouvertes, vous pouvez envoyer des tâches directement aux clusters auxquels vous êtes connecté.