将 TensorFlow 与 Amazon SageMaker 结合使用 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

将 TensorFlow 与 Amazon SageMaker 结合使用

您可以使用 Amazon SageMaker,通过自定义 TensorFlow 代码训练和部署模型。Python 开发工具包 SageMaker 评估程序和模型以及 TensorFlow 开源 SageMaker 容器使得在 TensorFlow 中编写和运行 TensorFlow 脚本变得更加轻松。SageMaker

使用 TensorFlow 版本 1.11 及更高版本

对于 TensorFlow 版本 1.11 及更高版本,Amazon SageMaker Python SDK 支持脚本模式训练脚本。

您需要做什么?

我想要在 TensorFlow 中训练自定义 SageMaker 模型。

有关示例 Jupyter 笔记本,请参阅 TensorFlow 脚本模式训练和服务

有关文档,请参阅使用 TensorFlow 训练模型

我有一个在 TensorFlow 中训练过的 SageMaker 模型,我想将它部署到托管终端节点。

有关更多信息,请参阅部署 TensorFlow 服务模型

我有一个在 TensorFlow 之外训练过的 SageMaker 模型,我想将它部署到 SageMaker 终端节点

有关更多信息,请参阅直接从模型构件部署

我想查看 Amazon SageMaker Python SDK TensorFlow 类的 API 文档。

有关更多信息,请参阅 TensorFlow 评估程序

我想查找 SageMaker TensorFlow 容器存储库。

有关更多信息,请参阅 SageMaker 容器 TensorFlow 存储库GitHub。

我想查找有关 TensorFlow Deep Learning Containers 支持的 AWS 版本的信息。

有关更多信息,请参阅可用的深度学习容器映像

有关编写 TensorFlow 脚本模式训练脚本以及将 TensorFlow 脚本模式评估程序和模型与 SageMaker 一起使用的一般信息,请参阅将 TensorFlow 与 SageMaker Python 开发工具包结合使用

对版本 1.11 及更低版本使用 TensorFlow 传统模式

提供支持 Amazon SageMaker Python SDK 版本 1.11 及更低版本的传统模式。TensorFlow在以下情况下,使用传统模式 TensorFlow 训练脚本在 TensorFlow 中运行 SageMaker 作业:

  • 您有传统模式脚本,且不想转换为脚本模式。

  • 您希望使用早于 1.11 的 TensorFlow 版本。

有关编写传统模式 TensorFlow 脚本以与 SageMaker Python 开发工具包结合使用的信息,请参阅 TensorFlow SageMaker 评估程序和模型