Amazon web services GPU上的AWS SageMaker

我正在尝试在AWS上训练神经网络（Tensorflow）。我有一些AWS学分。据我所知，SageMaker是最适合这份工作的。我设法在SageMaker上加载Jupyter实验室控制台，并试图找到一个GPU内核，因为我知道它最适合训练神经网络。但是，我找不到这样的内核

有谁能在这方面提供帮助吗

谢谢并致以最良好的问候

---

Michael

您可以通过两个不同的组件在SageMaker生态系统中的GPU上训练模型：

您可以实例化由GPU供电的，例如

p2.xlarge

（NVIDIA K80）或

p3.2xlarge

（NVIDIA V100）。这对于交互式开发非常方便-您的笔记本电脑下有GPU，可以在GPU上交互运行代码，并通过终端选项卡中的

nvidia smi

监控GPU-这是一种很棒的开发体验。但是，当您直接使用GPU驱动的机器进行开发时，有时您可能不使用GPU。例如，当您编写代码或浏览某些文档时。一直以来，你都在为闲置的GPU付费。在这方面，对于您的用例来说，它可能不是最具成本效益的选择

另一种选择是使用在GPU实例上运行的。这是培训的首选选项，因为培训元数据（数据和模型路径、超参数、集群规范等）保存在SageMaker元数据存储中，日志和指标存储在Cloudwatch中，实例在培训结束时自动关闭。在小型CPU实例上开发并使用SageMaker training API启动培训任务将帮助您充分利用预算，同时帮助您保留所有实验的元数据和工件。你可以看到

---

当您创建一个新的jupyter笔记本实例时，您必须选择要使用的机器，此时您必须指定gpu实例。在这里看看gpu实例类型：您可以做的另一件事是启动一个非gpu jupyter笔记本实例并编写代码，然后在创建培训作业时，传递作业所需的gpu实例。