Google Cloud AI Platform에서 분산 머신러닝(ML) 모델 학습을 사용하는 경우 실제로 CMLE(Cloud Machine Learning Engine) 모델 배포용 구성 파일을 활용하여 학습에 사용되는 머신 수를 정의할 수 있습니다. 그러나 사용될 기계 유형을 직접 정의하는 것은 불가능합니다.
분산 ML 모델 학습에서 CMLE 모델 배포 구성 파일을 사용하면 학습을 위한 규모 계층을 지정할 수 있습니다. 확장 계층은 학습 작업에 사용되는 머신의 수와 유형을 결정합니다. 확장 계층 옵션은 BASIC부터 CUSTOM까지 다양하며, 각 계층에는 미리 정의된 작업자 수와 매개변수 서버 수가 있습니다. 적절한 확장 계층을 선택하면 학습에 사용되는 머신 수를 제어할 수 있습니다.
예를 들어 확장 계층 BASIC을 선택하면 단일 작업자가 사용되며 매개변수 서버는 사용되지 않습니다. 반면에 확장 계층 STANDARD_1을 선택하면 하나의 작업자와 하나의 매개변수 서버를 사용합니다. 확장 계층 PREMIUM_1은 작업자 XNUMX개와 매개변수 서버 XNUMX개를 사용하는 반면, 확장 계층 CUSTOM을 사용하면 작업자 수와 매개변수 서버 수를 명시적으로 지정할 수 있습니다.
그러나 머신 수를 정의할 수는 있지만 훈련에 사용되는 머신 유형을 직접 지정할 수는 없습니다. 사용되는 머신 유형은 확장 등급에 따라 결정되며 Google Cloud AI Platform에서 사전 정의됩니다. 각 확장 계층에는 지정된 확장 계층에 최적화된 기본 머신 유형이 연결되어 있습니다. 예를 들어 BASIC 확장 등급은 n1-standard-1 머신 유형을 사용하고, STANDARD_1 확장 등급은 n1-standard-4 머신 유형을 사용합니다.
학습에 사용되는 머신 유형을 더 효과적으로 제어해야 하는 경우 Cloud AI Platform에서 커스텀 컨테이너를 사용할 수 있습니다. 커스텀 컨테이너를 사용하면 학습에 필요한 머신 유형과 기타 종속성을 지정할 수 있는 자체 학습 이미지를 구축하고 배포할 수 있습니다. 커스텀 컨테이너를 만들면 학습 요구사항에 맞는 정확한 머신 유형을 유연하게 정의할 수 있습니다.
Google Cloud AI Platform에서 분산 ML 모델 학습을 사용하는 경우 CMLE 모델 배포 구성 파일을 통해 학습에 사용되는 머신 수를 정의할 수 있습니다. 그러나 사용되는 머신 유형은 확장 계층에 따라 결정되므로 직접 지정할 수 없습니다. 머신 유형에 대한 더 많은 제어가 필요한 경우 커스텀 컨테이너를 활용하여 자체 학습 이미지를 구축하고 배포할 수 있습니다.
기타 최근 질문 및 답변 EITC/AI/GCML Google Cloud 머신 러닝:
- TTS(텍스트 음성 변환)란 무엇이며 AI와 어떻게 작동하나요?
- 머신러닝에서 대규모 데이터 세트를 작업할 때 제한 사항은 무엇입니까?
- 머신러닝이 대화형 지원을 할 수 있나요?
- TensorFlow 플레이그라운드란 무엇인가요?
- 더 큰 데이터세트가 실제로 무엇을 의미하나요?
- 알고리즘의 하이퍼파라미터의 예는 무엇입니까?
- 앙상블 학습이란 무엇입니까?
- 선택한 기계 학습 알고리즘이 적합하지 않은 경우 어떻게 올바른 알고리즘을 선택할 수 있습니까?
- 기계 학습 모델은 훈련 중에 감독이 필요합니까?
- 신경망 기반 알고리즘에 사용되는 주요 매개변수는 무엇입니까?
EITC/AI/GCML Google Cloud Machine Learning에서 더 많은 질문과 답변 보기