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。
TensorFlow 与 Amazon 一起使用 SageMaker
您可以使用 Amazon SageMaker 使用自定义 TensorFlow 代码训练和部署模型。 SageMaker Python SDK TensorFlow 估算器和模型以及 SageMaker 开源 TensorFlow 容器使编写和运行 TensorFlow 脚本变得更加容易。 SageMaker
使用 1.11 及更高 TensorFlow 版本
对于 1.11 及更高 TensorFlow 版本,Amaz SageMaker on Python 软件开发工具包
您需要做什么?
- 我想训练一个自定义 TensorFlow 模型 SageMaker。
-
有关 Jupyter 笔记本的示例,请参阅TensorFlow 脚本模式训练和
发球。 有关文档,请参阅使用训练模型 TensorFlow
。 - 我有一个经过训练的 TensorFlow 模型 SageMaker,我想将其部署到托管端点。
-
有关更多信息,请参阅部署 TensorFlow 服务模型
。 - 我有一个在外面训练的 TensorFlow 模型 SageMaker,我想将其部署到 SageMaker 终端节点
-
有关更多信息,请参阅直接使用模型构件部署
。 - 我想查看亚马逊 SageMaker Python 软件开发工具包 TensorFlow类的
API 文档。 -
有关更多信息,请参阅TensorFlow 估算器
。 - 我想找到 SageMaker TensorFlow 容器存储库。
-
有关更多信息,请参阅SageMaker TensorFlow 容器 GitHub 存储库
。 - 我想查找有关 Dee Amazon p Learning Containers 支持的 TensorFlow 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使用 TensorFlow 脚本模式估算器和模型的一般信息 SageMaker,请参阅与 Pyth SageMaker on SDK TensorFlow 配合使用
对版本 1.11 及更早版本使用 TensorFlow 旧模式
Amaz SageMaker on Python 软件开发工具包
-
您有传统模式脚本,且不想转换为脚本模式。
-
你想使用早于 1.11 的 TensorFlow 版本。
有关编写与 SageMaker Python SDK 配合使用的传统模式 TensorFlow 脚本的信息,请参阅TensorFlow SageMaker 估算器和模型