Amazon-ի խոսքով՝ ուսուցման երկու առաջադրանքներն ավելի շուտ են ավարտվել՝ չնայած տվյալների միջով առաջին անցումն ավելի դանդաղ էր։ Գործառույթը հասանելի է համապատասխան ուսուցման և մշակման առաջադրանքների համար՝ AWS-ի բոլոր տարածաշրջաններում։
Amazon-ը հոկտեմբերի 27-ին հայտարարել է, որ SageMaker-ի գերբանականության (ԳԲ) ուսուցման և մշակման առաջադրանքներում կարելի է օգտագործել ինդեքսավորված կոնտեյներային պատկերներ՝ AWS-ի բոլոր տարածաշրջաններում։ Համապատասխան առաջադրանքները կարող են սկսել կոդի կատարումը՝ նախքան ամբողջ պատկերի ներբեռնումը։ Amazon-ի խոսքով՝ ուսուցման ամբողջական ընթացքի երկու փորձարկումներն ավարտվել են 1–6 րոպե շուտ։ Ընկերությունը գործառույթի թողարկման և արդյունավետության ցուցանիշների միակ աղբյուրն է։
Կոնտեյների պատկերը ներառում է առաջադրանքի համար անհրաժեշտ կոդը, գրադարանները և այլ ֆայլեր։ SageMaker-ի սովորական եղանակով ծառայությունը նախ ներբեռնում է ամբողջ պատկերը, ապասեղմում այն և բովանդակությունը գրում սկավառակի վրա, ապա միայն կատարում հաճախորդի կոդը։ Amazon-ի խոսքով՝ սպասման այդ ժամանակը հաշվարկվում է որպես վճարովի աշխատանքային ժամանակ, թեև մոդելի ուսուցումն այդ ընթացքում առաջ չի գնում։
Ավելի վաղ՝ 2025 թվականի դեկտեմբերի 19-ին, SageMaker Studio բրաուզերային մշակման միջավայրում ավելացվել էր SOCI-ի աջակցությունը՝ օգտատերերի ստեղծած պատկերների համար։ Այն վերաբերում էր հավելվածների գործարկմանը, իսկ հոկտեմբերին հայտարարված գործառույթը՝ ուսուցման և մշակման առաջադրանքներին։
Seekable OCI-ն (SOCI) բաց կոդով տեխնոլոգիա է, որը թույլ է տալիս ֆայլերը ներբեռնել ըստ անհրաժեշտության՝ ամեն ինչ նախապես ներբեռնելու փոխարեն։ Դրա ինդեքսը քարտեզագրում է պատկերի ֆայլերը․ SageMaker-ը կարող է ստանալ կոնտեյների գործարկման համար անհրաժեշտ ֆայլերը, իսկ մնացածը ներբեռնել հետին պլանում, երբ կոդը դիմում է դրանց։ Amazon-ի խոսքով՝ առանձին ինդեքսի շնորհիվ սկզբնական պատկերի եզակի թվային նույնացուցիչն ու առկա ստորագրությունները մնում են վավեր։
Համապատասխանում են միայն Amazon Elastic Container Registry-ի (ECR) մասնավոր պահոցներում գտնվող պատկերները։ Այլ ռեգիստրների պատկերները չեն համապատասխանում, այդ թվում՝ նրանք, որոնց հասանելիություն է ստացվում մասնավոր ռեգիստրով՝ TrainingRepositoryAccessMode-ը Vpc սահմանած լինելու դեպքում։ SageMaker-ն ավտոմատ ստուգում է ինդեքսի առկայությունը։ Եթե այն չկա, պատկերը ներբեռնվում է սովորական եղանակով․ իսկ եթե ինդեքսն ընթեռնելի չէ կամ ըստ անհրաժեշտության ներբեռնումը ձախողվում է, Amazon-ի խոսքով՝ առաջադրանքն անցնում է սովորական ներբեռնման և շարունակվում։
Gemini for Home-ի փոփոխությունները նաև վերաբերում են ժամաչափերի սխալ հարցումներին և այլ սենյակների սարքերի կառավարմանը։ Թարմացումը սկսել է տարածվել 2026 թ․ հոկտեմբերի 29-ին, բայց բոլորին հասնելու համար կարող է ժամանակ պահանջվել։
2 րոպե
Հաճախորդները կարող են ընտրել AWS Deep Learning Container, որի պատկերի պիտակն ավարտվում է -soci-ով։ Amazon-ը թվարկում է PyTorch Training-ի, TensorFlow Training-ի, vLLM-ի և SGLang-ի նախապես ինդեքսավորված տարբերակները, իսկ որոշ հարթակների համար՝ նաև arm64 պրոցեսորների տարբերակները։ Հասանելի պատկերներն ու պիտակները ներկայացված են AWS Deep Learning Containers Gallery-ում։
Սեփական պատկերն ինդեքսավորելու համար Amazon-ը պահանջում է Linux համակարգ՝ տեղադրված containerd-ով, SOCI snapshotter-ով և Finch-ով կամ nerdctl-ով։ Հաճախորդները ECR-ում նույնականացվում են պատկերներ վերբեռնելու թույլտվություն ունեցող տվյալներով, ներբեռնում սկզբնական պատկերը, կատարում nerdctl image convert --soci հրամանը և վերբեռնում ինդեքսավորված պիտակը։ Այդպես հրապարակվում են ինդեքսն ու այն պատկերին կապող մանիֆեստը։ Ինդեքսավորված բազային կոնտեյներից ստեղծված պատկերը սեփական ինդեքսի կարիք ունի․ բազային պատկերի ինդեքսը դրան չի փոխանցվում։
Հաճախորդներն առաջադրանքի սահմանման մեջ նշում են ինդեքսավորված պատկերի պիտակը։ Amazon-ի խոսքով՝ առաջադրանքի սահմանման, ծրագրավորման միջերեսների, մուտքի կետերի կամ տվյալների ալիքների այլ փոփոխություններ պետք չեն։ Ինդեքսավորված պատկերներն օգտագործում են containerd-ի վրա հիմնված գործարկման միջավայր, ուստի Amazon-ը խորհուրդ է տալիս մուտքի կետերում և կարգավորման սցենարներում ստուգել Docker CLI-ի կանչերը, /var/run/docker.sock-ի հասանելիությունը և cgroup-ի ուղիներից ստացվող նույնացուցիչները։
Amazon-ը SageMaker-ի ուսուցման առաջադրանքներում համեմատել է սովորական ներբեռնումը և ինդեքսավորված բեռնումը՝ օգտագործելով ութ պատկեր՝ սեղմված վիճակում 1,8–35,4 GB ծավալով։ Փորձարկումներն անցկացվել են Օրեգոնում և Հյուսիսային Վիրջինիայում՝ կենտրոնական և գրաֆիկական պրոցեսորներով ամպային սերվերների ml.g4dn, ml.g5, ml.g6, ml.g6e, ml.g7, ml.g7e, ml.p4d, ml.p5 և ml.m7i ընտանիքներով, xlarge-ից մինչև 48xlarge չափերով։ Ցուցանիշները կրկնվող գործարկումների մեդիաններն են՝ չափված պատկերի ներբեռնման սկզբից մինչև կոնտեյների գործարկման պատրաստ լինելը։
| Սեղմված պատկերի ծավալը | Սովորական ներբեռնում | SOCI-ով բեռնում |
|---|---|---|
| 1,8 GB | 48 վայրկյան | 3–11 վայրկյան |
| 13,2 GB | 3 րոպե 42 վայրկյան | Մոտ 6 վայրկյան |
| 35,4 GB | 7 րոպե 17 վայրկյան | 3–11 վայրկյան |
Amazon-ը նաև իրականացրել է ուսուցման երկու ամբողջական առաջադրանք՝ ստուգելու համար, թե արդյոք ավելի արագ գործարկումը հանգեցնում է ավելի վաղ ավարտի։
| Առաջադրանք | Ուսուցման տվյալներ | Կոնտեյների պատկերներ |
|---|---|---|
| Պատկերների դասակարգում ResNet-50-ով | Imagenette-ի 9 469 պատկեր | 13,2 GB PyTorch և 9,9 GB TensorFlow |
| Qwen2.5-0.5B-ի վերահսկվող լրացուցիչ ուսուցում՝ մոդելի բոլոր պարամետրերի թարմացմամբ | alpaca-cleaned-ի 51 760 օրինակ | 9,4 GB ուսուցման կոնտեյներ |
Ըստ անհրաժեշտության բեռնման դեպքում առաջին դարաշրջանը՝ ուսուցման բոլոր տվյալների միջով ամբողջական անցումը, տևել է 3–16 վայրկյան ավելի, մինչ ներբեռնվում էին հարթակի այն ֆայլերը, որոնց առաջին անգամ էր դիմում կոդը։ Երկրորդ դարաշրջանից սկսած՝ Amazon-ը գրանցել է ուսուցման նույն ժամանակները՝ գործարկումների միջև սովորական տատանումների սահմաններում։ Ներբեռնման ժամանակի խնայողությունից առաջին անցման լրացուցիչ ժամանակը հանելուց հետո փորձարկված յուրաքանչյուր առաջադրանք ավարտվել է 1–6 րոպե շուտ։
Amazon-ի խոսքով՝ ըստ անհրաժեշտության բեռնումն առավել օգտակար է, երբ ուսուցման առաջին քայլին պետք է պատկերի միայն մի մասը։ Եթե գործարկման կոդը զննում, ստուգում կամ նախապես բեռնում է ֆայլերի մեծ մասը, անհրաժեշտ է սպասել մոտավորապես նույն ծավալի տվյալների, ինչ ամբողջական ներբեռնման դեպքում, ուստի ընդհանուր բարելավումը կարող է փոքր լինել։ Ընկերության խոսքով՝ մոտ 4 GB-ից փոքր պատկերների դեպքում գործարկման ժամանակի խնայողությունն էլ համեմատաբար փոքր է։
Amazon-ի խոսքով՝ կրկնվող ներբեռնումների կրճատումը կարող է նվազեցնել վճարովի սպասման և GPU-ի պարապուրդի ժամանակը, հատկապես մշակման կարճ առաջադրանքների, արագ փորձերի և կարգավորումների ընտրության դեպքում, երբ գործարկվում են հարյուրավոր առաջադրանքներ՝ մոդելի տարբեր կարգավորումներով։ 1–6 րոպեի արդյունքը ստացվել է ընկերության փորձարկած ուսուցման երկու առաջադրանքներից և յուրաքանչյուր հաճախորդի համար անկախ հաստատված խնայողություն չէ։
Հաճախորդները կարող են կիրառել գործառույթը՝ ընտրելով նախապես ինդեքսավորված պատկեր կամ հրապարակելով սեփական ինդեքսը։ Amazon-ը խորհուրդ է տալիս գործարկումից առաջ ստուգել, որ ընտրված պիտակը մատնանշում է ինդեքսավորված պատկեր, ապա փորձարկել իրական առաջադրանքը՝ խնայողությունը չափելու համար։
Meta-ի առանձին հավելվածը հասանելի է iOS-ում և Android-ում՝ Ինդոնեզիայում, Սինգապուրում ու Թաիլանդում։ Նկարագրության համաձայն՝ այն առաջարկում է հագուստի համադրություններ և վիրտուալ փորձարկում՝ օգտատերերի ունեցած զգեստապահարանի հիման վրա։
2 րոպե
W27-ը պահպանել է Galaxy Z Fold 8 Ultra-ի հիմնական սարքավորումները։ Այն հասանելի է մուգ կարմիր կամ մուգ կապույտ գույներով, ոսկեգույն շեշտադրումներով և երկու տարբերակում էլ ունի 16 ԳԲ օպերատիվ հիշողություն։
2 րոպե
