Wanneer jy verspreide masjienleer (ML) modelopleiding op Google Cloud AI Platform gebruik, kan jy inderdaad die konfigurasielêer vir die CMLE (Cloud Machine Learning Engine) modelontplooiing gebruik om die aantal masjiene wat in opleiding gebruik word, te definieer. Dit is egter nie moontlik om die tipe masjiene wat gebruik gaan word, direk te definieer nie.
In verspreide ML-modelopleiding laat die CMLE-modelontplooiingskonfigurasielêer jou toe om die skaalvlak vir opleiding te spesifiseer. Die skaalvlak bepaal die aantal en tipe masjiene wat in die opleidingstaak gebruik word. Die skaalvlak-opsies wissel van BASIES tot PASIES, met elke vlak met 'n voorafbepaalde aantal werkers en parameterbedieners. Deur die toepaslike skaalvlak te kies, kan jy die aantal masjiene wat vir opleiding gebruik word, beheer.
Byvoorbeeld, as jy die skaalvlak BASIC kies, sal dit 'n enkele werker en geen parameterbedieners gebruik nie. Aan die ander kant, as jy die skaalvlak STANDARD_1 kies, sal dit een werker en een parameterbediener gebruik. Die skaalvlak PREMIUM_1 gebruik een werker en vier parameterbedieners, terwyl die skaalvlak CUSTOM jou toelaat om die aantal werkers en parameterbedieners eksplisiet te spesifiseer.
Alhoewel jy die aantal masjiene kan definieer, kan jy nie die tipe masjiene wat in opleiding gebruik word direk spesifiseer nie. Die tipe masjiene wat gebruik word, word bepaal deur die skaalvlak en word vooraf gedefinieer deur Google Cloud AI Platform. Elke skaalvlak het 'n verstekmasjientipe wat daarmee geassosieer word, wat geoptimaliseer is vir die gegewe skaalvlak. Byvoorbeeld, die BASIESE skaalvlak gebruik die n1-standaard-1-masjientipe, terwyl die STANDARD_1-skaalvlak die n1-standaard-4-masjientipe gebruik.
As jy meer beheer benodig oor die masjientipes wat in opleiding gebruik word, kan jy pasgemaakte houers met Cloud AI Platform gebruik. Met pasgemaakte houers kan jy jou eie opleidingsbeeld bou en ontplooi, wat jou toelaat om die masjientipes en ander afhanklikhede wat vir opleiding benodig word, te spesifiseer. Deur 'n pasgemaakte houer te skep, het jy die buigsaamheid om die presiese masjientipes te definieer wat by jou opleidingsbehoeftes pas.
Wanneer jy verspreide ML-modelopleiding op Google Cloud AI-platform gebruik, kan jy die aantal masjiene wat vir opleiding gebruik word, definieer deur die CMLE-model-ontplooiing-konfigurasielêer. U kan egter nie die tipe masjiene wat gebruik word direk spesifiseer nie, aangesien dit deur die skaalvlak bepaal word. As jy meer beheer oor masjientipes benodig, kan jy pasgemaakte houers gebruik om jou eie opleidingsbeeld te bou en te ontplooi.
Ander onlangse vrae en antwoorde t.o.v EITC/AI/GCML Google Cloud Machine Learning:
- Wat is teks na spraak (TTS) en hoe dit met KI werk?
- Wat is die beperkings om met groot datastelle in masjienleer te werk?
- Kan masjienleer 'n bietjie dialogiese hulp verleen?
- Wat is die TensorFlow-speelgrond?
- Wat beteken 'n groter datastel eintlik?
- Wat is 'n paar voorbeelde van algoritme se hiperparameters?
- Wat is ensamble learning?
- Wat as 'n gekose masjienleeralgoritme nie geskik is nie en hoe kan 'n mens seker maak om die regte een te kies?
- Benodig 'n masjienleermodel toesig tydens sy opleiding?
- Wat is die sleutelparameters wat in neurale netwerkgebaseerde algoritmes gebruik word?
Bekyk meer vrae en antwoorde in EITC/AI/GCML Google Cloud Machine Learning