Los planes de entrenamiento flexibles de SageMaker Hyperpod ahora admiten horarios de inicio instantáneos y múltiples ofertas
A partir del 14 de febrero de 2025, los planes de entrenamiento flexibles de SageMaker admiten horarios de inicio instantáneos que permiten a los clientes reservar un plan a partir de los próximos 30 minutos.
El plan de entrenamiento flexible (FTP) de Amazon SageMaker facilita a los clientes el acceso a la capacidad de la GPU para ejecutar cargas de trabajo de ML. Los clientes que utilizan planes de entrenamiento flexibles pueden planificar sus ciclos de desarrollo de ML con la confianza de saber que tendrán las GPU que necesitan en una fecha específica durante el tiempo que reserven. No hay contratos a largo plazo, por lo que los clientes obtienen una garantía de capacidad y solo pagan por la cantidad de tiempo de GPU necesaria para completar sus cargas de trabajo.
Con la posibilidad de iniciar una reserva en 30 minutos (sujeto a disponibilidad), el plan de entrenamiento flexible acelera la adquisición de recursos de computación para los clientes que ejecutan cargas de trabajo de machine learning. En primer lugar, el sistema intenta encontrar un bloque único y continuo de capacidad reservada que coincida con precisión con los requisitos del cliente. Si no hay un bloque continuo disponible, SageMaker divide automáticamente la duración total en dos segmentos de tiempo e intenta completar la solicitud mediante dos bloques de capacidad reservada independientes. Además, con esta versión, el plan de entrenamiento flexible ofrecerá hasta tres opciones distintas, lo que proporcionará flexibilidad en la adquisición de recursos de computación.
Puede crear un plan de entrenamiento con la consola de IA de SageMaker o con métodos programáticos. La consola de IA de SageMaker ofrece una interfaz gráfica y visual con una vista completa de sus opciones, mientras que la creación programática se puede realizar mediante AWS CLI o los SDK de SageMaker para interactuar directamente con la API de planes de entrenamiento. Puede empezar con la experiencia de la API aquí.