AWS Batch ora supporta la pianificazione dei job di addestramento di SageMaker
A partire da oggi, AWS Batch supporta la pianificazione dei job di addestramento di SageMaker. Con AWS Batch per i job di addestramento di SageMaker, i data scientist possono inviare job di addestramento a code configurabili gestite da AWS Batch. Questa integrazione consente di pianificare i job in base alla priorità e alla disponibilità delle risorse, eliminando i tentativi manuali e la necessità di coordinamento. Inoltre, gli amministratori di sistema possono configurare criteri di pianificazione fair-share per ottimizzare l'utilizzo delle risorse tra i vari team. Il sistema riproverà automaticamente i job non riusciti e fornirà visibilità sullo stato della coda.
È inoltre possibile acquistare i piani di training flessibili SageMaker (Flexible Training Plans, FTP) per garantire la capacità necessaria nel momento in cui serve. Con un Flexible Training Plan attivo, le funzionalità di accodamento di Batch consentono di massimizzare l'utilizzo per tutta la durata del piano. I data scientist possono inviare esperimenti con fiducia direttamente dal SageMaker Python SDK, sapendo che le complessità infrastrutturali sono gestite automaticamente.
Puoi iniziare a utilizzare AWS Batch per i job di addestramento di SageMaker immediatamente tramite la Console di gestione AWS, l'interfaccia a riga di comando (CLI) di AWS o gli SDK AWS. Non sono previsti costi aggiuntivi per AWS Batch in sé – si paga solo per le risorse AWS utilizzate per eseguire le proprie applicazioni. I job di addestramento di AWS Batch for SageMaker sono ora disponibili a livello generale in tutte le regioni AWS commerciali in cui sono disponibili AWS Batch e SageMaker AI. Per iniziare, consultare la documentazione sui job di addestramento di AWS Batch for SageMaker e il nostro post nel blog.