常規和 ml AWS EC2 實例有什么區別？

Question

我正在使用免費套餐賬戶試用AWS Sagemaker 。 根據Sagemaker 定價，我可以在免費套餐中使用 50 小時的 m4.xlarge 和 m5.xlarge 實例進行訓練。 （我安全地在兩個月的限制之內。）但是當我嘗試使用 m5.xlarge 使用 XGBoost 容器訓練算法時，我收到代碼下方顯示的錯誤。

ml 類型和非 ml 類型的實例是否相同，只是為那些將與 Sagemaker 一起使用的實例添加了一個花哨的前綴，還是它們完全不同？ EC2 頁面甚至沒有列出 ml 實例。

sess = sagemaker.Session()

xgb = sagemaker.estimator.Estimator(container,
                                    role, 
                                    instance_count=1, 
                                    instance_type='m5.xlarge',
                                    output_path=output_location,
                                    sagemaker_session=sess)

ClientError：調用 CreateTrainingJob 操作時發生錯誤（ValidationException）：檢測到 1 個驗證錯誤：“resourceConfig.instanceType”的值“m5.xlarge”無法滿足約束：成員必須滿足枚舉值集：[ml.p2.xlarge， ml.m5.4xlarge，ml.m4.16xlarge，ml.p4d.24xlarge，ml.c5n.xlarge，ml.p3.16xlarge，ml.m5.large，ml.p2.16xlarge，ml.c4.2xlarge，ml。 c5.2xlarge、ml.c4.4xlarge、ml.c5.4xlarge、ml.c5n.18xlarge、ml.g4dn.xlarge、ml.g4dn.12xlarge、ml.c4.8xlarge、ml.g4dn.2xlarge、ml.c5。 9xlarge，ml.g4dn.4xlarge，ml.c5.xlarge，ml.g4dn.16xlarge，ml.c4.xlarge，ml.g4dn.8xlarge，ml.c5n.2xlarge，ml.c5n.4xlarge，ml.c5.18xlarge， ml.p3dn.24xlarge，ml.p3.2xlarge，ml.m5.xlarge，ml.m4.10xlarge，ml.c5n.9xlarge，ml.m5.12xlarge，ml.m4.xlarge，ml.m5.24xlarge，ml。 m4.2xlarge，ml.p2.8xlarge，ml.m5.2xlarge，ml.p3.8xlarge，ml.m4.4xlarge]

Answer 1

帶有ml前綴的實例是專門用於 Sagemaker 的實例類。

除了在 Sagemaker 服務中使用之外，該實例還將運行一個 AMI，其中包含所有必要的庫和包，例如 Jupyter。

Answer 2

帶有ml前綴的 AWS EC2 實例是用於AWS Sagemaker的特定 EC2 實例類。

Answer 3

ml 實例針對機器學習進行了優化。 AWS sagemaker 也非常適合共享代碼來設置機器學習，因為其他人可以使用相同的 ml 實例。 為機器學習設置 ec2 需要更多代碼和手動工作，共享變得更加困難。