AWS تعرض قياسات labsweep لبيئات تدريب الذكاء الاصطناعي المعزولة

نشرت AWS في 9 أكتوبر تقييماً تقنياً لتجارب التعلم المعزز داخل آلات Firecracker الافتراضية المصغرة. وأعلنت جمع أكثر من 100,000 عينة عبر أكثر من 500 تهيئة باستخدام أداة القياس labsweep. وفي أحمال الاختبار، ارتفع زمن الاستجابة في الطرف البطيء بشدة عند تجاوز آلة مصغرة واحدة لكل معالج افتراضي، بينما تغير الوسيط بدرجة أقل بكثير.

تغطي نتائج الزمن والإنتاجية المنشورة عتاد m8i وm8a، فيما ستُنشر نتائج m8g لاحقاً. وثُبتت خصائص التخزين وزمن الشبكة إلى نقطة نهاية النموذج، ولم يشمل التقييم التبديل الديناميكي للبيئات. واختلف أثر تثبيت المعالج وتعدد الخيوط المتزامن حسب الحمل؛ ولا تزعم AWS أن إعداداً واحداً أفضل لكل أنظمة التدريب.