亚马逊云服务（AWS）中国宁夏及北京区域正式上线Amazon SageMaker

[2020年5月12日，北京] 亚马逊云处事Amazon Web Services, Inc. (AWS) 本日公布，Amazon SageMaker在由西云数据运营的AWS中国 (宁夏) 地区和光环新网运营的AWS中国（北京）地区正式上线。Amazon SageMaker 是一项完全托管的处事，可以辅佐开拓者和数据科学家快速地局限化构建、实习和陈设呆板进修 (ML) 模子。Amazon SageMaker在中国的上线还使中国客户得到一系列新宣布的器材，譬喻弹性Notebook、尝试打点、模子自动建设、模子调试说明，以及模子观念漂移检测等强盛成果，全部这些器材都封装在首个面向呆板进修的集成开拓情形(IDE) Amazon SageMaker Studio中。进一步相识Amazon SageMaker，请会见: https://www.amazonaws.cn/sagemaker/。

呆板进修的实验是一项很是伟大的事变，涉及大量试错，而且必要专业手艺。开拓者和数据科学家起首必需对数据举办可视化、转换和预处理赏罚，这些数据才气酿成算法可以行使的名目，用以实习模子。纵然是简朴的模子，企业也必要耗费复杂的算力和大量的实习时刻，并也许必要雇用专门的团队来打点包括多台GPU处事器的实习情形。从选择和优化算法，到调理影响模子精确性的数百万个参数，实习模子的全部阶段都必要大量的人力和揣摩。然后，在应用措施中陈设实习好的模子时，客户又必要另一套应用计划和漫衍式体系方面的专业手艺。而且，跟着数据集和变量数的增进，模子会过期，客户又必需一次又一次地从头实习模子，让模子重新的信息中进修和进化。全部这些事变都必要大量的专业常识，并淹灭复杂的算力、数据存储和时刻本钱。并且，因为没有集成化的器材用于整个呆板进修的事变流，呆板进修模子的传统开拓方法是伟大、繁复和昂贵的。

Amazon SageMaker消除了呆板进修进程中各个步调的沉重事变。通过预置的Notebook、针对PB级数据集优化的常用算法，以及自动模子调优，Amazon SageMaker大大低落了模子构建和实习的难度。而且，Amazon SageMaker明显简化和加速了模子实习进程，可以通过自动提供和打点基本办法来实习模子和运行推理。同时，AWS 最近公布了多项重要成果和高级特征，让客户可以或许更轻松地构建、实习、调优和陈设呆板进修模子。这些成果包罗：

面向呆板进修的集成开拓情形（IDE）：Amazon SageMaker Studio将全部用于呆板进修的组件齐集在一个处所。跟行使集成开拓情形（IDE）做软件开拓一样，开拓者此刻可以在Amazon SageMaker Studio中查察和组织源代码、依靠项、文档和其余应用措施资产，譬喻用于移动应用措施的图像。当前，呆板进修事变流有大量组件，个中很多组件都带有它们本身的一组各自独立的器材。Amazon SageMaker Studio IDE为全部Amazon SageMaker成果和整个呆板进修事变流提供了一个同一界面。Amazon SageMaker Studio为开拓者提供了建设项目文件夹、组织Notebook和数据集，以及协作接头Notebook和功效的成果。Amazon SageMaker Studio使构建、实习、表明、搜查、监督、调试和运行呆板进修模子变得更简朴、更快。

弹性条记本：Amazon SageMaker Notebooks提供了一键启用的Jupyter Notebook，具有秒级的弹性计较晋升手段。Notebooks包括了运行或从头建设呆板进修事变流所需的统统要素。在此之前，要查察或运行Notebook，开拓者必要在Amazon SageMaker中启动计较实例。假如他们发明必要更多的算力，必需启动一个新实例，转移Notebook，封锁旧实例。并且，因为Notebook与计较实例是耦合的，凡是存在于开拓者的事变站上，其共享和迭代协作很不轻易。Amazon SageMaker Notebooks提供了弹性的Jupyter Notebook，闪开拓者可以轻松地调高或低落Notebook必要的算力（包罗GPU加快）。这些调解在靠山自动产生，不会打断开拓者的事变。开拓者不再必要挥霍时刻来封锁旧实例、在新实例中从头建设全部事变，从而可以更快地开始构建模子。Amazon SageMaker Notebook还可以自动复制特定情形和库依靠项，实现Notebook一键共享。这将使构建模子的协作变得更轻易，好比，一个工程师可以很轻易地将手头事变共享给其他工程师，让他们在现有事变的基本上构建模子。

尝试打点：Amazon SageMaker Experiments可以辅佐开拓者组织和跟踪呆板进修模子的迭代。呆板进修凡是必要多次迭代，目标是断绝和权衡变动特定输入时的增量影响。这些迭代进程也许会天生数百个尝试构件，如模子、实习数据和参数配置。可是，开拓者今朝缺乏一个便利的尝试打点机制，乃至不得不依靠电子表格来跟踪尝试，手动对这些构件举办排序，以相识对应的影响。Amazon SageMaker Experiments自动捕捉输入参数、设置和功效，并将它们存储为“尝试”，辅佐开拓者打点这些迭代。开拓者可以赏识活泼的尝试，按照特性搜刮早年的尝试，回首早年的尝试功效，还能用可视化的方法较量尝试功效。Amazon SageMaker Experiments也保存了尝试的完备谱系，假如一个模子开始偏离其预期功效，开拓者可以实时回溯和搜查。因此，Amazon SageMaker Experiments使开拓者更轻易快速迭代和开拓高质量的模子。

调试与说明：Amazon SageMaker Debugger用于调试和说明模子实习，进步精确性，镌汰实习时刻，闪开拓者更好地领略模子。当前，呆板进修实习进程根基上是不透明的，实习时刻也许很长、很难优化；并且，每每就像一个“黑箱”，解读息争释模子都很坚苦。行使Amazon SageMaker Debugger，在Amazon SageMaker中实习的模子将自动发出网络到的要害指标，这些指标可以在Amazon SageMaker Studio中查察，也可以通过Amazon SageMaker Debugger的API查察，为实习的精确性和机能提供及时反馈。当检测到实习题目时，Amazon SageMaker Debugger会提供告诫和调停提议。Amazon SageMaker Debugger也可辅佐开拓者解读模子是怎样事变的，向神经收集的可表明性迈出了第一步。

自动构建模子：Amazon SageMaker Autopilot是业内首个可以闪开拓者对其模子保持节制和可见性的自动化呆板进修成果。当前的呆板进修自动化要领，在建设初始模子方面做得不错，可是对付怎样建设模子、模子中包括什么内容，并没稀有据提供应开拓者。因此，假如模子达不到祈望，开拓者想要改造它，就没有什么步伐了。另外，当前的呆板进修自动化处事只给客户一个简朴的模子。偶然客户但愿做出一些弃取，譬喻以某个版本的模子捐躯一点精确性，以调换更低耽误的猜测。可是假如客户只有一个模子可用，就没有这样的可选项。Amazon SageMaker Autopilot会自动搜查原始数据，应用特性处理赏罚器，挑选最佳算法集，实习多个模子，对它们举办调优，跟踪其机能，然后按照机能对模子举办排名。点击几下鼠标，用户可以获得用于陈设的、机能最佳的模子保举，而这只需很少一点时刻和精神用于实习。而且，用户可以清晰地看到模子是怎样建设的，以及模子中包括什么内容。缺乏呆板进修履历的人可以行使Amazon SageMaker Autopilot轻松地天生仅基于数据的模子，履历富厚的开拓者可以行使它快速开拓基本模子，团队可以在此基本长举办进一步迭代。Amazon SageMaker Autopilot为开拓者提供了多达50种差异的模子，可以在Amazon SageMaker Studio中查察。因此，开拓者可以或许针对应用场景选择最佳模子，而且可以团结差异的优化因子思量多个候选模子。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!