有关内置算法的常见信息
下表列出了 Amazon SageMaker 提供的每种算法的参数。
| 算法名称 | 渠道名称 | 训练输入模式 | 文件类型 | 实例类 | 可并行化 |
|---|---|---|---|---|---|
| AutoGluon-Tabular | 训练和（可选）验证 | 文件 | CSV | GPU 或 CPU（仅单个实例） | 否 |
| BlazingText | 训练 | 文件或管道 | 文本文件（每行一句，带空格分隔的令牌） | GPU 或 CPU（仅单个实例） | 否 |
| CatBoost | 训练和（可选）验证 | 文件 | CSV | CPU（仅单个实例） | 否 |
| DeepAR 预测 | 训练和 (可选) 测试 | 文件 | JSON 行或 Parquet | CPU 或 GPU | 是 |
| 因子分解机 | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf | CPU（对密集数据使用 GPU） | 是 |
| 图像分类 – MXNet | 训练和验证，（可选）train_lst、validation_lst 和模型 | 文件或管道 | recordIO 或图像文件 (.jpg 或 .png) | GPU | 是 |
| 图像分类 – TensorFlow | 训练和验证 | 文件 | 图像文件（.jpg、.jpeg 或 .png） | CPU 或 GPU | 是（仅适用于单实例上的多 GPU） |
| IP 洞察 | 训练和 (可选) 验证 | 文件 | CSV | CPU 或 GPU | 是 |
| K-Means | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPUCommon（一个或多个实例上的单个 GPU 设备） | 否 |
| K 最近邻 (k-NN) | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU（一个或多个实例上的单个 GPU 设备） | 是 |
| LDA | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU（仅单个实例） | 否 |
| LightGBM | 训练和（可选）验证 | 文件 | CSV | CPU | 是 |
| 线性学习器 | 训练和 (可选) 验证和/或测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 |
| 神经主题模型 | 训练和 (可选) 验证和/或测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 |
| Object2Vec | 训练和 (可选) 验证和/或测试 | 文件 | JSON 行 | GPU 或 CPU（仅单个实例） | 否 |
| 对象检测 – MXNet | 训练和验证，（可选）train_annotation、validation_annotation 和模型 | 文件或管道 | recordIO 或图像文件 (.jpg 或 .png) | GPU | 是 |
| 对象检测 – TensorFlow | 训练和验证 | 文件 | 图像文件（.jpg、.jpeg 或 .png） | GPU | 是（仅适用于单实例上的多 GPU） |
| PCA | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU 或 GPU | 是 |
| Random Cut Forest | 训练和 (可选) 测试 | 文件或管道 | recordIO-protobuf 或 CSV | CPU | 是 |
| 语义分割 | 训练和验证、train_annotation、validation_annotation 以及（可选）label_map 和模型 | 文件或管道 | 图像文件 | GPU（仅单个实例） | 否 |
| Seq2Seq 建模 | 训练、验证和 vocab | 文件 | recordIO-protobuf | GPU（仅单个实例） | 否 |
| TabTransformer | 训练和（可选）验证 | 文件 | CSV | GPU 或 CPU（仅单个实例） | 否 |
| 文本分类 – TensorFlow | 训练和验证 | 文件 | CSV | CPU 或 GPU | 是（仅适用于单实例上的多 GPU） |
| XGBoost（0.90-1、0.90-2、1.0-1、1.2-1、1.2-21） | 训练和 (可选) 验证 | 文件或管道 | CSV、LibSVM 或 Parquet | CPU（对于 1.2-1 为 GPU） | 是 |
可并行化 的算法可部署在多个计算实例上以进行分布式训练。
以下主题提供了有关数据格式、推荐的 Amazon EC2 实例类型以及 Amazon SageMaker 提供的所有内置算法通用的 CloudWatch 日志等信息。
注意
要查找 SageMaker 管理的内置算法的 Docker 映像 URI，请参阅 Docker 注册表路径和示例代码。