Execução de trabalhos em SageMaker HyperPod clusters orquestrados pelo Amazon EKS

Os tópicos a seguir fornecem procedimentos e exemplos de acesso a nós de computação e execução de cargas de trabalho de ML em clusters provisionados SageMaker HyperPod orquestrados com o Amazon EKS. Dependendo de como você configurou o ambiente em seu HyperPod cluster, há muitas maneiras de executar cargas de trabalho de ML em HyperPod clusters.

dica

Para uma experiência prática e orientação sobre como configurar e usar um SageMaker HyperPod cluster orquestrado com o Amazon EKS, recomendamos fazer este workshop de suporte do Amazon EKS. SageMaker HyperPod

Os usuários de cientistas de dados podem treinar modelos básicos usando o conjunto de clusters EKS como orquestrador do cluster. SageMaker HyperPod Os cientistas utilizam a SageMaker HyperPod CLI e os kubectl comandos nativos para encontrar SageMaker HyperPod clusters disponíveis, enviar trabalhos de treinamento (Pods) e gerenciar suas cargas de trabalho. A SageMaker HyperPod CLI permite o envio de trabalhos usando um arquivo de esquema de trabalho de treinamento e fornece recursos para listagem, descrição, cancelamento e execução de trabalhos. Os cientistas podem usar o Kubeflow Training Operator de acordo com as cotas de computação gerenciadas e gerenciadas pela HyperPod SageMaker IA MLflow para gerenciar experimentos de ML e execuções de treinamento.

Tópicos

• Instale a SageMaker HyperPod CLI

• SageMaker HyperPod Comandos CLI

• Execute trabalhos usando a SageMaker HyperPod CLI

• Execute trabalhos usando kubectl