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
您可以通过 Amazon SageMaker 通过自定义 TensorFlow 代码训练和部署模型。借助 SageMaker Python 开发工具包 TensorFlow 评估程序和模型以及 SageMaker 开源 TensorFlow 容器,在 SageMaker 中编写和运行 TensorFlow 脚本变得更加轻松。
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 开发工具包
您需要做什么?
- 我想要在 SageMaker 中训练自定义 TensorFlow 模型。
-
有关 Jupyter 笔记本的示例,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 SageMaker 中训练过的 TensorFlow 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 SageMaker 之外训练过的 TensorFlow 模型,我想将它部署到 SageMaker 终端节点。
-
有关更多信息,请参阅 。直接从模型项目部署
. - 我想查看 API 文档Amazon SageMaker Python 开发工具包
TensorFlow 类。 -
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 TensorFlow 容器 GitHub 仓库
. - 我想查找有关支持的 TensorFlow 版本的信息AmazonDeep Learning Containers。
-
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 结合使用的一般信息,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
这些区域有:Amazon SageMaker Python 开发工具包
-
您有传统模式脚本,且不想转换为脚本模式。
-
您想使用早于 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