Al utilizar el entrenamiento del modelo de aprendizaje automático distribuido (ML) en Google Cloud AI Platform, puede utilizar el archivo de configuración para la implementación del modelo CMLE (Cloud Machine Learning Engine) para definir la cantidad de máquinas utilizadas en el entrenamiento. Sin embargo, no es posible definir directamente el tipo de máquinas que se utilizarán.
En el entrenamiento del modelo ML distribuido, el archivo de configuración de implementación del modelo CMLE le permite especificar el nivel de escala para el entrenamiento. El nivel de escala determina la cantidad y el tipo de máquinas utilizadas en el trabajo de capacitación. Las opciones de niveles de escala van desde BÁSICO hasta PERSONALIZADO, y cada nivel tiene una cantidad predefinida de trabajadores y servidores de parámetros. Al seleccionar el nivel de escala adecuado, puede controlar la cantidad de máquinas utilizadas para la capacitación.
Por ejemplo, si elige el nivel de escala BÁSICO, utilizará un solo trabajador y ningún servidor de parámetros. Por otro lado, si elige el nivel de escala STANDARD_1, utilizará un trabajador y un servidor de parámetros. El nivel de escala PREMIUM_1 utiliza un trabajador y cuatro servidores de parámetros, mientras que el nivel de escala CUSTOM le permite especificar explícitamente la cantidad de trabajadores y servidores de parámetros.
Sin embargo, si bien puede definir la cantidad de máquinas, no puede especificar directamente el tipo de máquinas utilizadas en la capacitación. El tipo de máquinas utilizadas está determinado por el nivel de escala y está predefinido por Google Cloud AI Platform. Cada nivel de escala tiene un tipo de máquina predeterminado asociado, que está optimizado para el nivel de escala determinado. Por ejemplo, el nivel de escala BÁSICO usa el tipo de máquina n1-estándar-1, mientras que el nivel de escala ESTÁNDAR_1 usa el tipo de máquina n1-estándar-4.
Si necesita más control sobre los tipos de máquinas utilizadas en la capacitación, puede usar contenedores personalizados con Cloud AI Platform. Con contenedores personalizados, puede crear e implementar su propia imagen de capacitación, lo que le permite especificar los tipos de máquinas y otras dependencias necesarias para la capacitación. Al crear un contenedor personalizado, tiene la flexibilidad de definir los tipos exactos de máquinas que se adaptan a sus necesidades de capacitación.
Al utilizar el entrenamiento del modelo ML distribuido en Google Cloud AI Platform, puede definir la cantidad de máquinas utilizadas para el entrenamiento a través del archivo de configuración de implementación del modelo CMLE. Sin embargo, no puede especificar directamente el tipo de máquinas utilizadas, ya que lo determina el nivel de escala. Si necesita más control sobre los tipos de máquinas, puede aprovechar los contenedores personalizados para crear e implementar su propia imagen de entrenamiento.
Otras preguntas y respuestas recientes sobre EITC/AI/GCML Google Cloud Machine Learning:
- ¿Qué es texto a voz (TTS) y cómo funciona con la IA?
- ¿Cuáles son las limitaciones al trabajar con grandes conjuntos de datos en el aprendizaje automático?
- ¿Puede el aprendizaje automático ofrecer alguna ayuda dialógica?
- ¿Qué es el área de juegos de TensorFlow?
- ¿Qué significa realmente un conjunto de datos más grande?
- ¿Cuáles son algunos ejemplos de hiperparámetros de algoritmos?
- ¿Qué es el aprendizaje en conjunto?
- ¿Qué pasa si un algoritmo de aprendizaje automático elegido no es adecuado y cómo podemos asegurarnos de seleccionar el correcto?
- ¿Un modelo de aprendizaje automático necesita supervisión durante su entrenamiento?
- ¿Cuáles son los parámetros clave utilizados en los algoritmos basados en redes neuronales?
Ver más preguntas y respuestas en EITC/AI/GCML Google Cloud Machine Learning
Más preguntas y respuestas:
- Campo: Inteligencia artificial
- programa: EITC/AI/GCML Google Cloud Machine Learning (ir al programa de certificación)
- Lección: Plataforma de inteligencia artificial de Google Cloud (ir a la lección relacionada)
- Tema: Modelos de entrenamiento con contenedores personalizados en Cloud AI Platform (ir al tema relacionado)