Bir ML mühendisi, bir tahminleyici (estimator) kullanarak SageMaker Studio notebook'unda bir sinir ağı eğitiyor. Python eğitim betiği, birden çok GPU'ya sahip tek bir örnekte Distributed Data Parallel (DDP) kullanıyor, ancak GPU'lar yetersiz kullanılıyor. Mühendisin, kaynak kullanımını optimize etmek için eğitim betiğinde nerede değişiklik yapması gerektiğini bulması gerekiyor. Bu noktayı hangi yaklaşım belirleyecektir?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Eğitim betiğine SageMaker Profiler ek açıklamaları ekleyin, çalıştırın ve sonuçlardan bir profiler raporu oluşturun..
Neden bu cevap
SageMaker Profiler, eğitim işlerinin performansını ve kaynak kullanımını analiz etmek için tasarlanmıştır. Eğitim betiğine ek açıklamalar ekleyerek, GPU'ların neden yetersiz kullanıldığını (örneğin, veri yükleme darboğazları, CPU'nun GPU'yu besleyememesi, senkronizasyon sorunları) gösteren ayrıntılı bir rapor oluşturulabilir. Bu rapor, mühendisin betikteki optimizasyon noktalarını belirlemesine yardımcı olur. CloudWatch metrikleri genel GPU kullanımını gösterir ancak darboğazın nedenini açıklamaz. CloudTrail, API çağrılarını kaydeder, kaynak kullanım detaylarını değil. Model Monitor ise modelin eğitim sonrası performansını ve veri kaymasını izlemek için kullanılır, eğitim sırasındaki kaynak optimizasyonu için değildir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez