配信の最適化ファイルは、ダウンロード済みデータのキャッシュを残します。このキャッシュは、自動的にクリアされる仕様になっています。 しかし、急遽PCのディスク容量を増やしたい場合は配信の最適化ファイルを手動でクリアすることができます。 そのキャッシュのクリア(削除)方法を紹介します。 削除方法 配信の最適化ファイルのキャッシュクリアは、「ディスククリーンアップ」というツールを使って行います。 ディスククリーンアップは、不要なファイルを削除してディスクの空き容量を増やすことができるWindowsのツールです。 「スタート」のメニューの「Windows管理ツール」内にある「ディスククリーンアップ」をクリックします。 すると計算処理が行われます。 計算が終わると、ディスククリーンアップが起動します。 「削除するファイル」内に「配信の最適化ファイル」があるので、左の四角にチェックを入れます。 「説明」をみると現在使用されていないキャッシュが削除されるので消していいでしょう。 チェックを入れて「システムファイルのクリーンアップ」をクリックすると、チェックを入れたファイルのクリアが行われます。 まとめ Windows10の配信の最適化ファイルは便利な設定ですが、PCのディスク容量を逼迫するようでしたらキャッシュをクリアしたり、普段から設定をオフにしておくといいでしょう。
始めにも書いたように、通常PCに負担がかかるのは不要なデーターやファイルの蓄積や常駐ソフトなどが原因の可能性が大きいですし、他にも原因があると思いますのでご注意ください。
Windows10の機能に「配信の最適化ファイル」というものがあります。これを使うとインターネットが不安定な状態でも、必要な更新プログラムやアプリを最新の状態に保つことができます。Windows10の配信の最適化ファイルの使い方をご紹介します。 Windows10の「配信の最適化ファイル」とは?
16xlarge インスタンス上で最適化された学習用コードを使用して、6 分で行うことができました。学習時間が10分の1に短縮されたことで、開発サイクル中のデータ準備により多くの時間を費やすことができるようになりました。」と述べています。 SageMakerの関連機能については、以下をご確認ください。 SageMaker's Distributed Data Parallel Library Amazon SageMaker Debugger Amazon ML Solutions Lab について Amazon ML Solutions Lab は、あなたのチームと機械学習の専門家をペアにして、あなたの組織で最も価値の高い機械学習の活用先を特定して実装するのを支援します。製品やプロセスにおける機械学習の使用を加速するための支援をご希望の場合は、 Amazon ML Solutions Lab にご連絡下さい。 翻訳は SA 上総が担当しました。原文は こちら をご覧ください。
"というような質問をすることがあるかもしれません。SageMaker で行うことは、インスタンス数とインスタンスタイプを指定し、使用する分散学習戦略を SageMaker に知らせるだけです。SageMaker のマネージドな機能により、この設定は PyTorch と TensorFlow の両方に適用されます。以下のサンプルコードをご覧ください。 estimator = PyTorch(instance_count=4, instance_type='ml. p3.