Ao usar o treinamento de modelo de aprendizado de máquina distribuído (ML) no Google Cloud AI Platform, você pode realmente utilizar o arquivo de configuração para a implantação do modelo CMLE (Cloud Machine Learning Engine) para definir o número de máquinas usadas no treinamento. Porém, não é possível definir diretamente o tipo de máquinas que serão utilizadas.
No treinamento de modelo de ML distribuído, o arquivo de configuração de implantação do modelo CMLE permite especificar o nível de escala para treinamento. A camada de escala determina o número e o tipo de máquinas usadas no trabalho de treinamento. As opções de nível de escala variam de BASIC a CUSTOM, com cada nível tendo um número predefinido de trabalhadores e servidores de parâmetros. Ao selecionar o nível de escala apropriado, você pode controlar o número de máquinas usadas para treinamento.
Por exemplo, se você escolher a camada de escala BASIC, ela usará um único trabalhador e nenhum servidor de parâmetros. Por outro lado, se você escolher o nível de escala STANDARD_1, ele usará um trabalhador e um servidor de parâmetros. A camada de escala PREMIUM_1 usa um trabalhador e quatro servidores de parâmetros, enquanto a camada de escala CUSTOM permite especificar explicitamente o número de trabalhadores e servidores de parâmetros.
No entanto, embora seja possível definir o número de máquinas, não é possível especificar diretamente o tipo de máquinas utilizadas no treinamento. O tipo de máquinas usadas é determinado pelo nível de escala e é predefinido pelo Google Cloud AI Platform. Cada nível de escala tem um tipo de máquina padrão associado a ela, que é otimizado para o nível de escala determinado. Por exemplo, a camada de escala BASIC usa o tipo de máquina n1-standard-1, enquanto a camada de escala STANDARD_1 usa o tipo de máquina n1-standard-4.
Se precisar de mais controle sobre os tipos de máquinas usados no treinamento, você poderá usar contêineres personalizados com o Cloud AI Platform. Com contêineres personalizados, você pode criar e implantar sua própria imagem de treinamento, o que permite especificar os tipos de máquinas e outras dependências necessárias para o treinamento. Ao criar um contêiner personalizado, você tem a flexibilidade de definir os tipos exatos de máquinas que atendem às suas necessidades de treinamento.
Ao usar o treinamento de modelo de ML distribuído no Google Cloud AI Platform, você pode definir o número de máquinas usadas para treinamento por meio do arquivo de configuração de implantação do modelo CMLE. No entanto, não é possível especificar diretamente o tipo de máquinas utilizadas, pois isso é determinado pela camada de escala. Se precisar de mais controle sobre os tipos de máquinas, você poderá aproveitar contêineres personalizados para criar e implantar sua própria imagem de treinamento.
Outras perguntas e respostas recentes sobre EITC/AI/GCML Google Cloud Machine Learning:
- O que é conversão de texto em fala (TTS) e como funciona com IA?
- Quais são as limitações em trabalhar com grandes conjuntos de dados em aprendizado de máquina?
- O aprendizado de máquina pode prestar alguma assistência dialógica?
- O que é o playground do TensorFlow?
- O que realmente significa um conjunto de dados maior?
- Quais são alguns exemplos de hiperparâmetros do algoritmo?
- O que é aprendizagem em conjunto?
- E se um algoritmo de aprendizado de máquina escolhido não for adequado e como podemos ter certeza de selecionar o correto?
- Um modelo de aprendizado de máquina precisa de supervisão durante seu treinamento?
- Quais são os principais parâmetros usados em algoritmos baseados em redes neurais?
Veja mais perguntas e respostas em EITC/AI/GCML Google Cloud Machine Learning