Amazon SageMaker pelanggan dapat melihat dan mengelola batas kuota mereka melalui Kuota Layanan. Selain itu, mereka dapat melihat metrik penggunaan waktu nyata dan berkreasi amazoncloudwatch metrik untuk melihat dan membuat kueri kuota SageMaker secara terprogram.
SageMaker membantu Anda membuat, melatih, dan menerapkan model machine learning (ML) dengan mudah. Untuk mempelajari lebih lanjut, lihat Memulai dengan Amazon SageMaker. Kuota Layanan menyederhanakan manajemen batas dengan memungkinkan Anda melihat dan mengelola kuota untuk SageMaker dari lokasi pusat.
Dengan Kuota Layanan, Anda dapat melihat jumlah maksimum sumber daya, tindakan, atau item di akun AWS atau Wilayah AWS Anda. Anda juga dapat menggunakan Kuota Layanan untuk meminta penambahan kuota yang dapat disesuaikan.
Dengan meningkatnya penggunaan praktik MLOps, dan oleh karena itu permintaan akan sumber daya yang ditujukan untuk eksperimen dan pelatihan ulang model ML, lebih banyak pelanggan perlu menjalankan beberapa instans, seringkali dari jenis instans yang sama pada waktu yang bersamaan.
Banyak tim ilmu data sering bekerja secara paralel, menggunakan beberapa instans untuk pemrosesan, pelatihan, dan penyetelan secara bersamaan. Sebelumnya, pengguna terkadang mencapai batas akun yang dapat disesuaikan untuk beberapa jenis instans tertentu dan harus meminta peningkatan batas secara manual dari AWS.
Untuk meminta penambahan kuota secara manual dari UI Kuota Layanan, Anda dapat memilih kuota dari daftar dan memilih Minta penambahan kuota. Untuk informasi lebih lanjut, lihat Meminta penambahan kuota.
Dalam postingan ini, kami menunjukkan bagaimana Anda dapat menggunakan fitur baru untuk meminta peningkatan batas secara otomatis saat level instance yang tinggi tercapai.
Ikhtisar solusi
Diagram berikut menggambarkan arsitektur solusi.
Arsitektur ini mencakup alur kerja berikut:
- Metrik CloudWatch memantau penggunaan sumber daya. Alarm CloudWatch terpicu saat penggunaan sumber daya melampaui ambang tertentu yang telah dikonfigurasi sebelumnya.
- Sebuah pesan dikirim ke Layanan Pemberitahuan Sederhana Amazon (Amazon SNS).
- Pesan diterima oleh sebuah AWS Lambda fungsi.
- Fungsi Lambda meminta peningkatan kuota.
Selain meminta penambahan kuota untuk akun tertentu, fungsi Lambda juga dapat menambahkan penambahan kuota ke akun tersebut templat organisasi (hingga 10 kuota). Dengan cara ini, setiap akun baru yang dibuat di bawah AWS Organization tertentu memiliki permintaan kuota yang meningkat secara default.
Prasyarat
Selesaikan langkah-langkah prasyarat berikut:
- Siapkan Akun AWS dan membuat Identitas AWS dan Manajemen Akses (IAM) pengguna. Untuk instruksi, lihat Amankan Akun AWS Anda.
- Instal CLI AWS SAM.
Terapkan menggunakan Model Aplikasi Tanpa Server AWS
Untuk menyebarkan aplikasi menggunakan GitHub repo, jalankan perintah berikut di terminal:
Setelah solusi diterapkan, Anda akan memiliki alarm baru di konsol CloudWatch. Alarm ini memantau penggunaan instans notebook SageMaker untuk instans ml.t3.medium.
Jika penggunaan sumber daya Anda mencapai lebih dari 50%, alarm akan terpicu dan fungsi Lambda meminta peningkatan.
Jika akun yang Anda miliki adalah bagian dari AWS Organization dan Anda memilikinya template permintaan kuota diaktifkan, Anda juga akan melihat peningkatan tersebut pada template, jika template memiliki slot yang tersedia. Dengan cara ini, akun baru dari organisasi tersebut juga memiliki peningkatan yang dikonfigurasi saat dibuat.
Terapkan menggunakan konsol CloudWatch
Untuk menerapkan aplikasi menggunakan konsol CloudWatch, selesaikan langkah-langkah berikut:
- Di konsol CloudWatch, pilih Semua alarm di panel navigasi.
- Pilih Buat alarm.
- Pilih Pilih metrik.
- Pilih penggunaan.
- Pilih metrik yang ingin Anda pantau.
- Pilih kondisi kapan Anda ingin alarm dipicu.
Untuk kemungkinan konfigurasi lainnya saat mengonfigurasi alarm, lihat Buat alarm CloudWatch berdasarkan ambang batas statis.
- Konfigurasikan topik SNS untuk diberi tahu tentang alarm.
Anda juga dapat menggunakan Amazon SNS untuk memicu fungsi Lambda saat alarm dipicu. Melihat Menggunakan AWS Lambda dengan Amazon SNS for more information.
- Untuk Nama alarm, masukkan nama.
- Pilih Selanjutnya.
- Pilih Buat alarm.
Membersihkan
Untuk membersihkan sumber daya yang dibuat sebagai bagian dari posting ini, pastikan untuk menghapus semua tumpukan yang dibuat. Untuk melakukannya, jalankan perintah berikut:
Kesimpulan
Dalam postingan ini, kami menunjukkan bagaimana Anda dapat menggunakan integrasi baru dari SageMaker dengan Service Quotas untuk mengotomatiskan permintaan peningkatan kuota untuk sumber daya SageMaker. Dengan cara ini, tim data science dapat bekerja secara paralel secara efektif dan mengurangi masalah yang terkait dengan tidak tersedianya instance.
Anda dapat mempelajari lebih lanjut tentang kuota Amazon SageMaker dengan mengakses dokumentasi. Anda juga dapat mempelajari lebih lanjut tentang Service Quotas di sini.
Tentang penulis
Bruno Klein adalah Insinyur Pembelajaran Mesin di tim AWS ProServe. Dia sangat menikmati membuat otomatisasi dan meningkatkan siklus hidup model dalam produksi. Di waktu luangnya, dia suka menghabiskan waktu di luar ruangan dan hiking.
Paras Mehra adalah Manajer Produk Senior di AWS. Dia berfokus untuk membantu membangun Pelatihan dan Pemrosesan Amazon SageMaker. Di waktu luangnya, Paras menikmati menghabiskan waktu bersama keluarganya dan bersepeda di sekitar Bay Area. Anda dapat menemukannya di LinkedIn.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/best-practices-for-viewing-and-querying-amazon-sagemaker-service-quota-usage/
- :adalah
- $NAIK
- 10
- 100
- 7
- 8
- a
- Tentang Kami
- mengakses
- mengakses
- Akun
- Akun
- tindakan
- tambahan
- disesuaikan
- alarm
- Semua
- Membiarkan
- Amazon
- Amazon SageMaker
- dan
- Aplikasi
- arsitektur
- DAERAH
- sekitar
- AS
- At
- mengotomatisasikan
- secara otomatis
- tersedia
- AWS
- AWS Lambda
- berdasarkan
- Teluk
- BE
- TERBAIK
- Praktik Terbaik
- Luar
- membangun
- by
- CAN
- CD
- pusat
- tertentu
- Pilih
- lengkap
- kondisi
- konfigurasi
- konsul
- membuat
- dibuat
- membuat
- penciptaan
- pelanggan
- data
- ilmu data
- Default
- Permintaan
- menyebarkan
- dikerahkan
- ditunjuk
- efektif
- diaktifkan
- insinyur
- Enter
- Eter (ETH)
- keluarga
- Fitur
- Menemukan
- terfokus
- berikut
- Untuk
- Gratis
- dari
- fungsi
- pergi
- diberikan
- Pergi
- Memiliki
- membantu
- membantu
- High
- mendaki
- Seterpercayaapakah Olymp Trade? Kesimpulan
- HTML
- http
- HTTPS
- IAM
- identitas
- meningkatkan
- in
- termasuk
- Meningkatkan
- Pada meningkat
- Meningkatkan
- meningkatkan
- informasi
- contoh
- instruksi
- integrasi
- masalah
- item
- jpg
- BELAJAR
- pengetahuan
- Tingkat
- siklus hidup
- 'like'
- MEMBATASI
- batas
- Daftar
- tempat
- mesin
- Mesin belajar
- membuat
- mengelola
- pengelolaan
- manajer
- manual
- maksimum
- medium
- pesan
- metrik
- Metrik
- ML
- MLOps
- model
- model
- Memantau
- monitor
- lebih
- beberapa
- nama
- Navigasi
- Dekat
- Perlu
- New
- Fitur Baru
- berikutnya
- buku catatan
- pemberitahuan
- jumlah
- of
- on
- organisasi
- di luar rumah
- pane
- Paralel
- bagian
- tertentu
- khususnya
- plato
- Kecerdasan Data Plato
- Data Plato
- mungkin
- Pos
- praktek
- sebelumnya
- pengolahan
- Produk
- manajer produk
- Produksi
- mencapai
- tercapai
- Mencapai
- real-time
- diterima
- menurunkan
- wilayah
- terkait
- permintaan
- permintaan
- sumber
- Sumber
- pelatihan ulang
- jalan
- Run
- pembuat bijak
- Universitas
- sama
- Ilmu
- senior
- Tanpa Server
- layanan
- beberapa
- harus
- Menunjukkan
- Sederhana
- slot
- larutan
- beberapa
- tertentu
- menghabiskan
- Pengeluaran
- Tumpukan
- mulai
- Tangga
- tim
- tim
- Template
- terminal
- bahwa
- Grafik
- mereka
- karena itu
- ambang
- Melalui
- waktu
- untuk
- tema
- Pelatihan VE
- Pelatihan
- memicu
- dipicu
- benar
- bawah
- penggunaan
- menggunakan
- Pengguna
- Pengguna
- View
- Cara..
- dengan
- Kerja
- alur kerja
- akan
- Anda
- zephyrnet.dll