আজ, আমরা এর পূর্বরূপ ঘোষণা করতে পেরে আনন্দিত অ্যামাজন সেজমেকার প্রোফাইলার, একটি ক্ষমতা আমাজন সেজমেকার যেটি সেজমেকারে গভীর শিক্ষার মডেল প্রশিক্ষণের সময় প্রবিধান করা AWS কম্পিউট সংস্থানগুলির একটি বিশদ দৃশ্য প্রদান করে। সেজমেকার প্রোফাইলারের সাহায্যে, আপনি সিপিইউ এবং জিপিইউ-এর সমস্ত ক্রিয়াকলাপ ট্র্যাক করতে পারেন, যেমন সিপিইউ এবং জিপিইউ ব্যবহার, কার্নেল জিপিইউতে চলে, সিপিইউতে কার্নেল লঞ্চ হয়, সিঙ্ক অপারেশন, জিপিইউ জুড়ে মেমরি অপারেশন, কার্নেল লঞ্চ এবং সংশ্লিষ্ট রানের মধ্যে বিলম্ব, এবং ডেটা স্থানান্তর। সিপিইউ এবং জিপিইউ-এর মধ্যে। এই পোস্টে, আমরা আপনাকে সেজমেকার প্রোফাইলারের ক্ষমতার মধ্য দিয়ে চলেছি।
সেজমেকার প্রোফাইলার পাইটর্চ বা টেনসরফ্লো প্রশিক্ষণ স্ক্রিপ্টগুলি টীকা করার জন্য এবং সেজমেকার প্রোফাইলার সক্রিয় করার জন্য পাইথন মডিউল সরবরাহ করে। এটি একটি ইউজার ইন্টারফেস (UI) অফার করে যা ভিজ্যুয়ালাইজ করে প্রোফাইলে, প্রোফাইল করা ইভেন্টগুলির একটি পরিসংখ্যানগত সারাংশ, এবং GPU এবং CPU-গুলির মধ্যে ইভেন্টগুলির সময় সম্পর্ক ট্র্যাকিং এবং বোঝার জন্য একটি প্রশিক্ষণ কাজের টাইমলাইন৷
প্রোফাইলিং প্রশিক্ষণ কাজের জন্য প্রয়োজন
ডিপ লার্নিং (DL) এর উত্থানের সাথে সাথে, মেশিন লার্নিং (ML) কম্পিউট এবং ডেটা ইনটেনসিভ হয়ে উঠেছে, সাধারণত মাল্টি-নোড, মাল্টি-জিপিইউ ক্লাস্টারের প্রয়োজন হয়। যেহেতু অত্যাধুনিক মডেলগুলি ট্রিলিয়ন প্যারামিটারের ক্রম অনুসারে আকারে বৃদ্ধি পায়, তাদের গণনাগত জটিলতা এবং খরচও দ্রুত বৃদ্ধি পায়। এমএল অনুশীলনকারীদের দক্ষ সম্পদ ব্যবহারের সাধারণ চ্যালেঞ্জগুলির সাথে মোকাবিলা করতে হবে যখন এই ধরনের বড় মডেলগুলিকে প্রশিক্ষণ দেওয়া হয়। এটি বিশেষ করে বৃহৎ ভাষার মডেলে (LLMs) স্পষ্টভাবে দেখা যায়, যেগুলোতে সাধারণত কোটি কোটি প্যারামিটার থাকে এবং সেইজন্য দক্ষতার সাথে প্রশিক্ষণের জন্য বড় মাল্টি-নোড GPU ক্লাস্টার প্রয়োজন।
বড় কম্পিউট ক্লাস্টারগুলিতে এই মডেলগুলিকে প্রশিক্ষণ দেওয়ার সময়, আমরা কম্পিউট রিসোর্স অপ্টিমাইজেশান চ্যালেঞ্জগুলির সম্মুখীন হতে পারি যেমন I/O বাধা, কার্নেল লঞ্চ লেটেন্সি, মেমরি সীমা এবং কম রিসোর্স ব্যবহার। প্রশিক্ষণ কাজের কনফিগারেশন অপ্টিমাইজ করা না হলে, এই চ্যালেঞ্জগুলির ফলে অদক্ষ হার্ডওয়্যার ব্যবহার এবং দীর্ঘ প্রশিক্ষণের সময় বা অসম্পূর্ণ প্রশিক্ষণ চলার কারণ হতে পারে, যা প্রকল্পের সামগ্রিক খরচ এবং সময়সীমা বাড়িয়ে দেয়।
পূর্বশর্ত
সেজমেকার প্রোফাইলার ব্যবহার শুরু করার জন্য নিম্নলিখিত পূর্বশর্তগুলি রয়েছে:
- আপনার AWS অ্যাকাউন্টে একটি SageMaker ডোমেন - একটি ডোমেন সেট আপ করার নির্দেশাবলীর জন্য, দেখুন দ্রুত সেটআপ ব্যবহার করে Amazon SageMaker ডোমেনে অনবোর্ড. SageMaker প্রোফাইলার UI অ্যাপ্লিকেশন অ্যাক্সেস করার জন্য আপনাকে পৃথক ব্যবহারকারীদের জন্য ডোমেন ব্যবহারকারী প্রোফাইল যোগ করতে হবে। আরও তথ্যের জন্য, দেখুন SageMaker ডোমেন ব্যবহারকারী প্রোফাইল যোগ করুন এবং সরান.
- অনুমতিসমূহ - নিম্নোক্ত তালিকাটি হল ন্যূনতম অনুমতিগুলির সেট যা সেজমেকার প্রোফাইলার UI অ্যাপ্লিকেশন ব্যবহার করার জন্য কার্যকর ভূমিকায় বরাদ্দ করা উচিত:
sagemaker:CreateApp
sagemaker:DeleteApp
sagemaker:DescribeTrainingJob
sagemaker:SearchTrainingJobs
s3:GetObject
s3:ListBucket
সেজমেকার প্রোফাইলারের সাথে একটি প্রশিক্ষণের কাজ প্রস্তুত করুন এবং চালান
প্রশিক্ষণের কাজ চলাকালীন GPU-তে কার্নেল চালানো শুরু করতে, সেজমেকার প্রোফাইলার পাইথন মডিউল ব্যবহার করে আপনার প্রশিক্ষণ স্ক্রিপ্ট পরিবর্তন করুন। লাইব্রেরি আমদানি করুন এবং যোগ করুন start_profiling()
এবং stop_profiling()
প্রোফাইলিংয়ের শুরু এবং শেষ সংজ্ঞায়িত করার পদ্ধতি। আপনি প্রতিটি ধাপে নির্দিষ্ট ক্রিয়াকলাপের সময় হার্ডওয়্যার ক্রিয়াকলাপগুলি কল্পনা করতে প্রশিক্ষণ স্ক্রিপ্টে মার্কার যুক্ত করতে ঐচ্ছিক কাস্টম টীকা ব্যবহার করতে পারেন।
সেজমেকার প্রোফাইলারের সাথে আপনার প্রশিক্ষণের স্ক্রিপ্টগুলি প্রোফাইল করতে আপনি দুটি পদ্ধতি গ্রহণ করতে পারেন। প্রথম পদ্ধতি সম্পূর্ণ ফাংশন প্রোফাইলিং উপর ভিত্তি করে; দ্বিতীয় পদ্ধতিটি ফাংশনে নির্দিষ্ট কোড লাইনের প্রোফাইলিংয়ের উপর ভিত্তি করে।
ফাংশন দ্বারা প্রোফাইল করতে, কনটেক্সট ম্যানেজার ব্যবহার করুন smppy.annotate
সম্পূর্ণ ফাংশন টীকা করতে। নিম্নলিখিত উদাহরণের স্ক্রিপ্টটি দেখায় যে কীভাবে প্রতিটি পুনরাবৃত্তিতে প্রশিক্ষণ লুপ এবং সম্পূর্ণ ফাংশনগুলি মোড়ানোর জন্য প্রসঙ্গ পরিচালককে প্রয়োগ করতে হয়:
আপনি ব্যবহার করতে পারেন smppy.annotation_begin()
এবং smppy.annotation_end()
ফাংশনে কোডের নির্দিষ্ট লাইন টীকা করতে। আরো তথ্যের জন্য, পড়ুন ডকুমেন্টেশন.
SageMaker প্রশিক্ষণ জব লঞ্চার কনফিগার করুন
আপনি প্রোফাইলার সূচনা মডিউলগুলি টীকা এবং সেট আপ করার পরে, প্রশিক্ষণ স্ক্রিপ্টটি সংরক্ষণ করুন এবং SageMaker Python SDK ব্যবহার করে প্রশিক্ষণের জন্য SageMaker ফ্রেমওয়ার্ক অনুমানকারী প্রস্তুত করুন৷
- সেট আপ a
profiler_config
অবজেক্ট ব্যবহার করেProfilerConfig
এবংProfiler
নিম্নরূপ মডিউল: - এর সাথে একটি সেজমেকার এস্টিমেটর তৈরি করুন
profiler_config
আগের ধাপে তৈরি করা বস্তু। নিম্নলিখিত কোড একটি PyTorch অনুমানক তৈরির একটি উদাহরণ দেখায়:
আপনি যদি একটি TensorFlow অনুমানক তৈরি করতে চান, আমদানি করুন sagemaker.tensorflow.TensorFlow
পরিবর্তে, এবং SageMaker Profiler দ্বারা সমর্থিত TensorFlow সংস্করণগুলির একটি নির্দিষ্ট করুন৷ সমর্থিত ফ্রেমওয়ার্ক এবং উদাহরণ প্রকার সম্পর্কে আরও তথ্যের জন্য, দেখুন সমর্থিত ফ্রেমওয়ার্ক.
- ফিট পদ্ধতি চালিয়ে প্রশিক্ষণের কাজ শুরু করুন:
সেজমেকার প্রোফাইলার UI চালু করুন
প্রশিক্ষণের কাজটি সম্পূর্ণ হলে, আপনি প্রশিক্ষণ কাজের প্রোফাইলটি কল্পনা করতে এবং অন্বেষণ করতে সেজমেকার প্রোফাইলার UI চালু করতে পারেন। আপনি সেজমেকার কনসোলে সেজমেকার প্রোফাইলার ল্যান্ডিং পৃষ্ঠা বা সেজমেকার ডোমেনের মাধ্যমে সেজমেকার প্রোফাইলার UI অ্যাপ্লিকেশন অ্যাক্সেস করতে পারেন।
সেজমেকার কনসোলে সেজমেকার প্রোফাইলার UI অ্যাপ্লিকেশন চালু করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- সেজমেকার কনসোলে, নির্বাচন করুন প্রোফাইলার নেভিগেশন ফলকে।
- অধীনে এবার শুরু করা যাক, আপনি যে ডোমেনে সেজমেকার প্রোফাইলার UI অ্যাপ্লিকেশনটি চালু করতে চান সেটি নির্বাচন করুন৷
আপনার ব্যবহারকারী প্রোফাইল শুধুমাত্র একটি ডোমেনের অন্তর্গত হলে, আপনি একটি ডোমেন নির্বাচন করার বিকল্প দেখতে পাবেন না।
- ব্যবহারকারী প্রোফাইল নির্বাচন করুন যার জন্য আপনি SageMaker প্রোফাইলার UI অ্যাপ্লিকেশন চালু করতে চান।
ডোমেনে কোনো ব্যবহারকারীর প্রোফাইল না থাকলে, বেছে নিন ব্যবহারকারীর প্রোফাইল তৈরি করুন. একটি নতুন ব্যবহারকারী প্রোফাইল তৈরি সম্পর্কে আরও তথ্যের জন্য, দেখুন ব্যবহারকারীর প্রোফাইল যোগ করুন এবং সরান.
- বেছে নিন প্রোফাইলার খুলুন.
আপনি এটিও করতে পারেন ডোমেনের বিবরণ পৃষ্ঠা থেকে SageMaker প্রোফাইলার UI চালু করুন.
সেজমেকার প্রোফাইলার থেকে অন্তর্দৃষ্টি পান
আপনি যখন সেজমেকার প্রোফাইলার UI খুলবেন, তখন একটি প্রোফাইল নির্বাচন করুন এবং লোড করুন পৃষ্ঠাটি খোলে, যেমনটি নিম্নলিখিত স্ক্রিনশটে দেখানো হয়েছে।
আপনি সেজমেকার প্রোফাইলারের কাছে জমা দেওয়া সমস্ত প্রশিক্ষণের কাজের একটি তালিকা দেখতে পারেন এবং একটি নির্দিষ্ট প্রশিক্ষণের চাকরির জন্য তার নাম, তৈরির সময় এবং রানের অবস্থা (প্রগতিতে, সম্পূর্ণ, ব্যর্থ, থামানো বা থামানো) দ্বারা অনুসন্ধান করতে পারেন। একটি প্রোফাইল লোড করতে, আপনি যে প্রশিক্ষণের কাজটি দেখতে চান তা নির্বাচন করুন এবং বেছে নিন বোঝা. চাকরির নামটি তে উপস্থিত হওয়া উচিত লোড করা প্রোফাইল শীর্ষে বিভাগ।
ড্যাশবোর্ড এবং টাইমলাইন তৈরি করতে কাজের নাম নির্বাচন করুন। মনে রাখবেন যে আপনি যখন কাজটি বেছে নেবেন, তখন UI স্বয়ংক্রিয়ভাবে ড্যাশবোর্ড খুলবে। আপনি একবারে একটি প্রোফাইল লোড এবং কল্পনা করতে পারেন। অন্য প্রোফাইল লোড করতে, আপনাকে প্রথমে পূর্বে লোড করা প্রোফাইলটি আনলোড করতে হবে। একটি প্রোফাইল আনলোড করতে, ট্র্যাশ বিন আইকনটি নির্বাচন করুন৷ লোড করা প্রোফাইল অধ্যায়.
এই পোস্টের জন্য, আমরা একটি প্রোফাইল দেখতে ALBEF দুটি ml.p4d.24x বড় উদাহরণে প্রশিক্ষণের কাজ।
আপনি প্রশিক্ষণের কাজটি লোড করা এবং নির্বাচন করার পরে, UI খুলবে ড্যাশবোর্ড পৃষ্ঠা, নিম্নলিখিত স্ক্রিনশটে দেখানো হয়েছে।
আপনি মূল মেট্রিক্সের প্লট দেখতে পারেন, যেমন GPU সক্রিয় সময়, সময়ের সাথে GPU ব্যবহার, CPU সক্রিয় সময় এবং সময়ের সাথে CPU ব্যবহার। GPU সক্রিয় টাইম পাই চার্ট GPU সক্রিয় সময় বনাম GPU নিষ্ক্রিয় সময়ের শতাংশ দেখায়, যা আমাদের পুরো প্রশিক্ষণের কাজ জুড়ে GPU গুলি নিষ্ক্রিয় থেকে বেশি সক্রিয় কিনা তা পরীক্ষা করতে সক্ষম করে।. সময়ের টাইমলাইন গ্রাফের সাথে GPU ব্যবহার নোড প্রতি সময়ের সাথে গড় GPU ব্যবহারের হার দেখায়, একটি একক চার্টে সমস্ত নোডকে একত্রিত করে। নির্দিষ্ট সময়ের ব্যবধানে জিপিইউ-তে ভারসাম্যহীন কাজের চাপ, অ-ব্যবহারের সমস্যা, প্রতিবন্ধকতা বা নিষ্ক্রিয় সমস্যা আছে কিনা তা পরীক্ষা করতে পারেন।. এই মেট্রিক্স ব্যাখ্যা করার বিষয়ে আরো বিস্তারিত জানার জন্য, পড়ুন ডকুমেন্টেশন.
ড্যাশবোর্ড আপনাকে অতিরিক্ত প্লট প্রদান করে, যার মধ্যে রয়েছে সমস্ত GPU কার্নেল দ্বারা ব্যয় করা সময়, শীর্ষ 15টি GPU কার্নেলের দ্বারা ব্যয় করা সময়, সমস্ত GPU কার্নেলের লঞ্চ গণনা এবং শীর্ষ 15 GPU কার্নেলের লঞ্চ গণনা, যা নিম্নলিখিত স্ক্রিনশটে দেখানো হয়েছে।
সবশেষে, ড্যাশবোর্ড আপনাকে অতিরিক্ত মেট্রিক্স কল্পনা করতে সক্ষম করে, যেমন ধাপে সময় বণ্টন, যা একটি হিস্টোগ্রাম যা GPU-তে ধাপের সময়কালের বন্টন দেখায় এবং কার্নেল নির্ভুলতা বিতরণ পাই চার্ট দেখায়, যা কার্নেল চালানোর সময় ব্যয় করা সময়ের শতাংশ দেখায়। বিভিন্ন ডেটা প্রকারে যেমন FP32, FP16, INT32, এবং INT8।
আপনি GPU কার্যকলাপ বিতরণে একটি পাই চার্টও পেতে পারেন যা GPU কার্যকলাপে ব্যয় করা সময়ের শতাংশ দেখায়, যেমন কার্নেল চালানো, মেমরি (memcpy
এবং memset
), এবং সিঙ্ক্রোনাইজেশন (sync
) আপনি GPU মেমরি অপারেশন ডিস্ট্রিবিউশন পাই চার্ট থেকে GPU মেমরি অপারেশনে ব্যয় করা সময়ের শতাংশ কল্পনা করতে পারেন।
আপনি একটি কাস্টম মেট্রিকের উপর ভিত্তি করে আপনার নিজস্ব হিস্টোগ্রাম তৈরি করতে পারেন যা আপনি এই পোস্টে আগে বর্ণিত হিসাবে ম্যানুয়ালি টীকা করেছেন। একটি নতুন হিস্টোগ্রামে একটি কাস্টম টীকা যোগ করার সময়, প্রশিক্ষণ স্ক্রিপ্টে আপনার যোগ করা টীকাটির নাম নির্বাচন করুন বা লিখুন।
টাইমলাইন ইন্টারফেস
সেজমেকার প্রোফাইলার UI-তে একটি টাইমলাইন ইন্টারফেসও রয়েছে, যা আপনাকে CPU-তে নির্ধারিত অপারেশন এবং কার্নেলের স্তরে গণনা সংস্থানগুলির একটি বিশদ দৃশ্য প্রদান করে এবং GPU তে চলে। টাইমলাইনটি একটি গাছের কাঠামোতে সংগঠিত, যা আপনাকে হোস্ট স্তর থেকে ডিভাইস স্তর পর্যন্ত তথ্য দেয়, যেমনটি নিম্নলিখিত স্ক্রিনশটে দেখানো হয়েছে।
প্রতিটি CPU-এর জন্য, আপনি CPU কর্মক্ষমতা কাউন্টার ট্র্যাক করতে পারেন, যেমন clk_unhalted_ref.tsc
এবং itlb_misses.miss_causes_a_walk
. 2x p4d.24x বড় উদাহরণে প্রতিটি GPU-এর জন্য, আপনি একটি হোস্ট টাইমলাইন এবং একটি ডিভাইস টাইমলাইন দেখতে পারেন। কার্নেল লঞ্চগুলি হোস্ট টাইমলাইনে এবং কার্নেল রানগুলি ডিভাইসের টাইমলাইনে রয়েছে৷
এছাড়াও আপনি পৃথক ধাপে জুম করতে পারেন। নিম্নলিখিত স্ক্রিনশটে, আমরা step_41 এ জুম করেছি। নিম্নলিখিত স্ক্রিনশটে নির্বাচিত টাইমলাইন স্ট্রিপ হল AllReduce
অপারেশন, বিতরণ করা প্রশিক্ষণের একটি অপরিহার্য যোগাযোগ এবং সিঙ্ক্রোনাইজেশন পদক্ষেপ, যা GPU-0-এ চালিত হয়। স্ক্রিনশটে, লক্ষ্য করুন যে GPU-0 হোস্টে কার্নেল লঞ্চ GPU-0 ডিভাইস স্ট্রীম 1-এ চালিত কার্নেলের সাথে সংযোগ করে, সায়ানে তীর দিয়ে নির্দেশিত।
প্রাপ্যতা এবং বিবেচনা
সেজমেকার প্রোফাইলার পাইটর্চ (সংস্করণ 2.0.0 এবং 1.13.1) এবং টেনসরফ্লো (সংস্করণ 2.12.0 এবং 2.11.1) এ উপলব্ধ। নিম্নলিখিত সারণী সমর্থিত লিঙ্ক প্রদান করে SageMaker জন্য AWS গভীর শিক্ষার পাত্রে.
ফ্রেমওয়ার্ক | সংস্করণ | AWS DLC ইমেজ URI |
পাইটর্চ | 2.0.0 | 763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:2.0.0-gpu-py310-cu118-ubuntu20.04-sagemaker |
পাইটর্চ | 1.13.1 | 763104351884.dkr.ecr.<region>.amazonaws.com/pytorch-training:1.13.1-gpu-py39-cu117-ubuntu20.04-sagemaker |
TensorFlow | 2.12.0 | 763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.12.0-gpu-py310-cu118-ubuntu20.04-sagemaker |
TensorFlow | 2.11.1 | 763104351884.dkr.ecr.<region>.amazonaws.com/tensorflow-training:2.11.1-gpu-py39-cu112-ubuntu20.04-sagemaker |
সেজমেকার প্রোফাইলার বর্তমানে নিম্নলিখিত অঞ্চলগুলিতে উপলব্ধ: মার্কিন পূর্ব (ওহিও, এন. ভার্জিনিয়া), মার্কিন পশ্চিম (ওরেগন), এবং ইউরোপ (ফ্রাঙ্কফুর্ট, আয়ারল্যান্ড)৷
সেজমেকার প্রোফাইলার ml.p4d.24xlarge, ml.p3dn.24xlarge, এবং ml.g4dn.12xlarge ধরনের প্রশিক্ষণের উদাহরণে উপলব্ধ।
সমর্থিত ফ্রেমওয়ার্ক এবং সংস্করণগুলির সম্পূর্ণ তালিকার জন্য, পড়ুন ডকুমেন্টেশন.
SageMaker Free Tier বা বৈশিষ্ট্যের বিনামূল্যে ট্রায়ালের মেয়াদ শেষ হওয়ার পরে SageMaker প্রোফাইলার চার্জ করে। আরো তথ্যের জন্য, দেখুন অ্যামাজন সেজমেকার প্রাইসিং.
সেজমেকার প্রোফাইলারের কর্মক্ষমতা
আমরা বিভিন্ন ওপেন সোর্স প্রোফাইলারের সাথে সেজমেকার প্রোফাইলারের ওভারহেড তুলনা করেছি। তুলনার জন্য ব্যবহৃত বেসলাইনটি প্রোফাইলার ছাড়াই প্রশিক্ষণের কাজ চালানো থেকে প্রাপ্ত হয়েছিল।
আমাদের মূল অনুসন্ধানে প্রকাশ করা হয়েছে যে সেজমেকার প্রোফাইলার সাধারণত একটি ছোট বিলযোগ্য প্রশিক্ষণের সময়কালের ফলস্বরূপ কারণ এটির শেষ-থেকে-এন্ড প্রশিক্ষণ চলাকালীন ওভারহেড সময় কম ছিল। ওপেন সোর্স বিকল্পগুলির তুলনায় এটি কম প্রোফাইলিং ডেটা (10 গুণ কম পর্যন্ত) তৈরি করেছে। সেজমেকার প্রোফাইলার দ্বারা তৈরি করা ছোট প্রোফাইলিং আর্টিফ্যাক্টগুলির জন্য কম সঞ্চয়স্থানের প্রয়োজন হয়, যার ফলে খরচও সাশ্রয় হয়।
উপসংহার
সেজমেকার প্রোফাইলার আপনাকে আপনার গভীর শিক্ষার মডেলগুলিকে প্রশিক্ষণ দেওয়ার সময় গণনা সংস্থানগুলির ব্যবহার সম্পর্কে বিশদ অন্তর্দৃষ্টি পেতে সক্ষম করে। এটি আপনাকে পারফরম্যান্স হটস্পট এবং প্রতিবন্ধকতাগুলি সমাধান করতে সক্ষম করতে পারে যাতে দক্ষ সংস্থান ব্যবহার নিশ্চিত করা যায় যা শেষ পর্যন্ত প্রশিক্ষণের খরচ কমিয়ে দেয় এবং সামগ্রিক প্রশিক্ষণের সময়কাল কমিয়ে দেয়।
সেজমেকার প্রোফাইলার দিয়ে শুরু করতে, পড়ুন ডকুমেন্টেশন.
লেখক সম্পর্কে
রায় আলেলা মিউনিখ, জার্মানিতে অবস্থিত AWS-এর একজন সিনিয়র AI/ML বিশেষজ্ঞ সমাধান স্থপতি৷ Roy AWS গ্রাহকদের সাহায্য করে—ছোট স্টার্টআপ থেকে শুরু করে বড় এন্টারপ্রাইজে—প্রশিক্ষণ দিতে এবং AWS-এ দক্ষতার সাথে বড় ভাষার মডেল স্থাপন করে। রয় কম্পিউটেশনাল অপ্টিমাইজেশান সমস্যা এবং এআই ওয়ার্কলোডগুলির কর্মক্ষমতা উন্নত করার বিষয়ে উত্সাহী৷
সুশান্ত মুন তিনি AWS, ভারতের একজন ডেটা সায়েন্টিস্ট, গ্রাহকদেরকে তাদের AI/ML প্রচেষ্টার মাধ্যমে গাইড করতে বিশেষজ্ঞ। খুচরা, অর্থ এবং বীমা ডোমেনে বিস্তৃত একটি বৈচিত্র্যময় পটভূমিতে, তিনি উদ্ভাবনী এবং উপযোগী সমাধান প্রদান করেন। তার পেশাগত জীবনের বাইরে, সুশান্ত সাঁতারের মধ্যে পুনরুজ্জীবন খুঁজে পান এবং বিভিন্ন লোকেলে তার ভ্রমণ থেকে অনুপ্রেরণা খোঁজেন।
দীক্ষা শর্মা বিশ্বব্যাপী বিশেষজ্ঞ সংস্থার একজন এআই/এমএল বিশেষজ্ঞ সমাধান স্থপতি। তিনি পাবলিক সেক্টরের গ্রাহকদের সাথে কাজ করেন যাতে তারা AWS-এ জেনারেটিভ এআই সমাধান সহ দক্ষ, সুরক্ষিত এবং মাপযোগ্য মেশিন লার্নিং অ্যাপ্লিকেশনগুলিকে আর্কিটেক্ট করতে সহায়তা করে। তার অবসর সময়ে, দীক্ষা তার পরিবারের সাথে পড়তে, ছবি আঁকা এবং সময় কাটাতে পছন্দ করে।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
- ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/announcing-the-preview-of-amazon-sagemaker-profiler-track-and-visualize-detailed-hardware-performance-data-for-your-model-training-workloads/
- : আছে
- : হয়
- :না
- $ ইউপি
- 1
- 10
- 100
- 11
- 12
- 125
- 13
- 15%
- 17
- 20
- 7
- 9
- a
- সম্পর্কে
- প্রবেশ
- দিয়ে
- সক্রিয়
- সক্রিয়
- ক্রিয়াকলাপ
- কার্যকলাপ
- যোগ
- যোগ
- যোগ
- অতিরিক্ত
- পর
- বিরুদ্ধে
- সমষ্টি
- AI
- এআই / এমএল
- সব
- এছাড়াও
- বিকল্প
- মর্দানী স্ত্রীলোক
- আমাজন সেজমেকার
- অ্যামাজন ওয়েব সার্ভিসেস
- an
- এবং
- ঘোষণা করা
- উদ্গাতা
- অন্য
- কোন
- প্রদর্শিত
- আবেদন
- অ্যাপ্লিকেশন
- অভিগমন
- পন্থা
- রয়েছি
- AS
- নির্ধারিত
- At
- স্বয়ংক্রিয়ভাবে
- সহজলভ্য
- গড়
- ডেস্কটপ AWS
- পটভূমি
- ভিত্তি
- বেসলাইন
- BE
- কারণ
- পরিণত
- হয়েছে
- শুরু
- জন্যে
- মধ্যে
- তার পরেও
- কোটি কোটি
- বিন
- by
- CAN
- ক্ষমতা
- সামর্থ্য
- ক্যাপচার
- কিছু
- চ্যালেঞ্জ
- চার্জ
- তালিকা
- চেক
- বেছে নিন
- কোড
- সাধারণ
- যোগাযোগ
- তুলনা
- তুলনা
- সম্পূর্ণ
- সম্পন্ন হয়েছে
- জটিলতা
- গনা
- কনফিগারেশন
- সংযোগ স্থাপন করে
- কনসোল
- কন্টেনারগুলি
- প্রসঙ্গ
- অনুরূপ
- মূল্য
- খরচ
- কাউন্টারে
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- সৃষ্টি
- এখন
- প্রথা
- গ্রাহকদের
- সায়ান
- ড্যাশবোর্ড
- উপাত্ত
- তথ্য বিজ্ঞানী
- গভীর
- গভীর জ্ঞানার্জন
- নির্ধারণ করা
- বিতরণ
- স্থাপন
- বর্ণিত
- বিশদ
- বিস্তারিত
- যন্ত্র
- বিভিন্ন
- বণ্টিত
- বিতরণ করা প্রশিক্ষণ
- বিতরণ
- বিচিত্র
- ডোমেইন
- ডোমেইনের
- সম্পন্ন
- নিচে
- ড্রাইভ
- স্থিতিকাল
- সময়
- প্রতি
- পূর্বে
- পূর্ব
- দক্ষ
- দক্ষতার
- সক্ষম করা
- সম্ভব
- শেষ
- সর্বশেষ সীমা
- প্রচেষ্টা
- প্রান্ত
- নিশ্চিত করা
- প্রবেশ করান
- সমগ্র
- প্রবেশ
- কাল
- পর্বগুলি
- অপরিহার্য
- ইউরোপ
- ঘটনাবলী
- স্পষ্ট
- উদাহরণ
- ফাঁসি
- অন্বেষণ করুণ
- ব্যর্থ
- পরিবার
- বৈশিষ্ট্য
- অর্থ
- আবিষ্কার
- খুঁজে বের করে
- শেষ
- প্রথম
- ফিট
- অনুসরণ
- অনুসরণ
- জন্য
- অগ্রবর্তী
- ফ্রেমওয়ার্ক
- অবকাঠামো
- বিনামূল্যে
- বিনামূল্যে ট্রায়াল
- থেকে
- সম্পূর্ণ
- ক্রিয়াকলাপ
- সাধারণত
- উত্পাদন করা
- উত্পন্ন
- সৃজক
- জেনারেটিভ এআই
- জার্মানি
- পাওয়া
- দান
- জিপিইউ
- জিপিইউ
- চিত্রলেখ
- হত্তয়া
- ছিল
- হার্ডওয়্যারের
- আছে
- he
- সাহায্য
- সাহায্য
- তার
- তার
- নিমন্ত্রণকর্তা
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTP
- HTTPS দ্বারা
- i
- আইকন
- অলস
- if
- ভাবমূর্তি
- বাস্তবায়ন
- আমদানি
- উন্নতি
- in
- অন্তর্ভুক্ত
- সুদ্ধ
- বৃদ্ধি
- ভারত
- জ্ঞাপিত
- স্বতন্ত্র
- অদক্ষ
- তথ্য
- উদ্ভাবনী
- ইনপুট
- অর্ন্তদৃষ্টি
- অনুপ্রেরণা
- উদাহরণ
- পরিবর্তে
- নির্দেশাবলী
- বীমা
- ইন্টারফেস
- মধ্যে
- আয়ারল্যাণ্ড
- সমস্যা
- IT
- পুনরাবৃত্তির
- এর
- কাজ
- জবস
- JPG
- চাবি
- লেবেলগুলি
- অবতরণ
- ভাষা
- বড়
- শুরু করা
- লঞ্চ
- শিক্ষা
- কম
- উচ্চতা
- লাইব্রেরি
- জীবন
- সীমা
- লাইন
- লিঙ্ক
- তালিকা
- বোঝা
- বোঝাই
- আর
- ক্ষতি
- ভালবাসে
- কম
- মেশিন
- মেশিন লার্নিং
- পরিচালক
- ম্যানুয়ালি
- স্মৃতি
- পদ্ধতি
- পদ্ধতি
- ছন্দোময়
- ছন্দোবিজ্ঞান
- সর্বনিম্ন
- ML
- মডেল
- মডেল
- পরিবর্তন
- মডিউল
- অধিক
- অবশ্যই
- নাম
- যথা
- ন্যাভিগেশন
- প্রয়োজন
- নতুন
- না।
- নোড
- নোড
- লক্ষ্য
- প্রাপ্ত
- প্রাপ্ত
- of
- অফার
- ওহিও
- on
- ONE
- কেবল
- খোলা
- ওপেন সোর্স
- প্রর্দশিত
- অপারেশন
- অপারেশনস
- অপ্টিমাইজেশান
- অপ্টিমাইজ
- পছন্দ
- or
- ক্রম
- অরেগন
- সংগঠন
- সংগঠিত
- শেষ
- সামগ্রিক
- নিজের
- পৃষ্ঠা
- শার্সি
- পরামিতি
- বিশেষ
- বিশেষত
- কামুক
- প্রতি
- শতকরা হার
- কর্মক্ষমতা
- কাল
- অনুমতি
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- খুশি
- বিন্দু
- পোস্ট
- স্পষ্টতা
- প্রস্তুত করা
- পূর্বশর্ত
- প্রি
- আগে
- পূর্বে
- সমস্যা
- পেশাদারী
- প্রোফাইল
- প্রোফাইল
- প্রোফাইলিং
- উন্নতি
- প্রকল্প
- উপলব্ধ
- প্রকাশ্য
- পাইথন
- পাইটার্চ
- দ্রুত
- দ্রুত
- হার
- পড়া
- হ্রাস করা
- অঞ্চল
- নবজীবন
- সম্পর্ক
- অপসারণ
- প্রয়োজন
- সংস্থান
- Resources
- ফল
- খুচরা
- প্রকাশিত
- ওঠা
- ভূমিকা
- রায়
- চালান
- দৌড়
- রান
- ঋষি নির্মাতা
- সংরক্ষণ করুন
- রক্ষা
- মাপযোগ্য
- তালিকাভুক্ত
- বিজ্ঞানী
- স্ক্রিপ্ট
- SDK
- সার্চ
- দ্বিতীয়
- অধ্যায়
- সেক্টর
- নিরাপদ
- দেখ
- আহ্বান
- নির্বাচিত
- নির্বাচন
- জ্যেষ্ঠ
- সেবা
- সেট
- বিন্যাস
- সে
- উচিত
- প্রদর্শিত
- শো
- একক
- আয়তন
- ছোট
- ক্ষুদ্রতর
- সলিউশন
- উৎস
- বিস্তৃত
- বিশেষজ্ঞ
- বিশেষজ্ঞ
- নির্দিষ্ট
- ব্যয় করা
- অতিবাহিত
- শুরু
- শুরু
- প্রারম্ভ
- রাষ্ট্র-এর-শিল্প
- পরিসংখ্যানসংক্রান্ত
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- বন্ধ
- বাঁধন
- স্টোরেজ
- প্রবাহ
- গঠন
- পেশ
- এমন
- সংক্ষিপ্তসার
- সমর্থিত
- সিঙ্ক্রোনাইজেশন
- টেবিল
- উপযোগী
- গ্রহণ করা
- tensorflow
- চেয়ে
- যে
- সার্জারির
- তাদের
- তাহাদিগকে
- সেখানে।
- যার ফলে
- অতএব
- এইগুলো
- এই
- দ্বারা
- সর্বত্র
- স্তর
- সময়
- টাইমলাইনে
- টাইমলাইন
- বার
- থেকে
- শীর্ষ
- পথ
- অনুসরণকরণ
- রেলগাড়ি
- প্রশিক্ষণ
- হস্তান্তর
- ভ্রমনের
- বৃক্ষ
- পরীক্ষা
- বহু ট্রিলিয়ান
- দুই
- ধরনের
- সাধারণত
- ui
- পরিণামে
- বোধশক্তি
- us
- ব্যবহার
- ব্যবহৃত
- ব্যবহারকারী
- ব্যবহারকারী ইন্টারফেস
- ব্যবহারকারী
- ব্যবহার
- বিভিন্ন
- সংস্করণ
- সংস্করণ
- চেক
- ভার্জিনিয়া
- vs
- প্রয়োজন
- ছিল
- we
- ওয়েব
- ওয়েব সার্ভিস
- পশ্চিম
- কখন
- যে
- যখন
- ইচ্ছা
- সঙ্গে
- ছাড়া
- কাজ
- বিশ্বব্যাপী
- would
- মোড়ানো
- আপনি
- আপনার
- zephyrnet
- জুম্