Amazon ec2 在AWS sagemaker笔记本实例中使用pytorch cuda

在colab中，每当我们需要GPU时，只需单击

change runtime type

并将硬件加速器更改为

GPU

cuda可用，

torch.cuda.is_available（）

is

True

如何做到这一点是AWS sagemaker，即打开cuda。 我是AWS新手，尝试在AWS sagemaker中使用Pytork训练模型，Pytork代码首次在colab环境中测试

---

我的sagemaker笔记本显示器是

ml.t2.medium

使用AWS sagemaker您不必担心GPU，只需使用GPU选择一个实例类型，sagemaker就会使用它。具体来说，

ml.t2.medium

没有GPU，但它无论如何都不是训练模型的正确方法。 基本上，你有两种使用Sagemaker的标准方法（请看文档和示例），第一种是使用一个计算资源有限的笔记本电脑，使用一个预构建的图像来加速培训工作，在这种情况下，当你调用估计器时，你只需指定你想要的（你将选择一个GPU，看看成本）。第二种方法是使用您自己的容器，将其推送到ECR并从控制台启动培训作业，在控制台中指定实例类型