Google Cloud AI Platform で分散機械学習 (ML) モデルのトレーニングを使用する場合、CMLE (Cloud Machine Learning Engine) モデルのデプロイメントの構成ファイルを実際に利用して、トレーニングで使用するマシンの数を定義できます。 ただし、使用されるマシンのタイプを直接定義することはできません。
分散 ML モデルのトレーニングでは、CMLE モデル デプロイメント構成ファイルを使用して、トレーニングのスケール層を指定できます。 スケール層によって、トレーニング ジョブで使用されるマシンの数と種類が決まります。 スケール層オプションの範囲は BASIC から CUSTOM まであり、各層には事前定義された数のワーカーとパラメータ サーバーがあります。 適切なスケール層を選択することで、トレーニングに使用するマシンの数を制御できます。
たとえば、スケール層 BASIC を選択した場合、単一のワーカーが使用され、パラメーター サーバーは使用されません。 一方、スケール層 STANDARD_1 を選択した場合は、1 つのワーカーと XNUMX つのパラメーター サーバーを使用します。 スケール層 PREMIUM_XNUMX では XNUMX つのワーカーと XNUMX つのパラメーター サーバーを使用しますが、スケール層 CUSTOM ではワーカーとパラメーター サーバーの数を明示的に指定できます。
ただし、マシンの数は定義できますが、トレーニングで使用されるマシンのタイプを直接指定することはできません。 使用されるマシンの種類はスケール階層によって決まり、Google Cloud AI Platform によって事前定義されます。 各スケール層には、特定のスケール層に最適化されたデフォルトのマシンタイプが関連付けられています。 たとえば、BASIC スケール層は n1-standard-1 マシン タイプを使用し、STANDARD_1 スケール層は n1-standard-4 マシン タイプを使用します。
トレーニングで使用するマシンタイプをより詳細に制御する必要がある場合は、Cloud AI Platform でカスタム コンテナを使用できます。 カスタム コンテナーを使用すると、独自のトレーニング イメージを構築してデプロイできるため、トレーニングに必要なマシン タイプやその他の依存関係を指定できます。 カスタム コンテナを作成すると、トレーニングのニーズに合った正確なマシン タイプを柔軟に定義できます。
Google Cloud AI Platform で分散 ML モデル トレーニングを使用する場合、CMLE モデル デプロイメント構成ファイルを通じてトレーニングに使用するマシンの数を定義できます。 ただし、使用するマシンのタイプはスケール層によって決まるため、直接指定することはできません。 マシンタイプをより詳細に制御する必要がある場合は、カスタム コンテナを利用して独自のトレーニング イメージを構築およびデプロイできます。
その他の最近の質問と回答 EITC/AI/GCMLGoogleクラウド機械学習:
- Text to Speech (TTS) とは何ですか?また、AI とどのように連携するのでしょうか?
- 機械学習で大規模なデータセットを扱う場合の制限は何ですか?
- 機械学習は対話的な支援を行うことができるでしょうか?
- TensorFlow プレイグラウンドとは何ですか?
- より大きなデータセットとは実際には何を意味するのでしょうか?
- アルゴリズムのハイパーパラメータの例にはどのようなものがありますか?
- アンサンブル学習とは何ですか?
- 選択した機械学習アルゴリズムが適切でない場合はどうすればよいでしょうか?また、確実に正しいものを選択するにはどうすればよいでしょうか?
- 機械学習モデルのトレーニング中に監視は必要ですか?
- ニューラル ネットワーク ベースのアルゴリズムで使用される主要なパラメーターは何ですか?
EITC/AI/GCML Google Cloud Machine Learning のその他の質問と回答を表示する
その他の質問と回答:
- フィールド: Artificial Intelligence
- プログラム: EITC/AI/GCMLGoogleクラウド機械学習 (認定プログラムに進む)
- レッスン: Google CloudAIプラットフォーム (関連するレッスンに行く)
- トピック: CloudAIプラットフォームでのカスタムコンテナを使用したトレーニングモデル (関連トピックに移動)