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。
什么是亚马逊 SageMaker?
Amazon SageMaker 是一项完全托管的机器学习服务。借助 SageMaker生产就绪的托管环境中,数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型,然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例,供您轻松访问数据源以便进行探索和分析,因此您无需管理服务器。此外,它还可以提供常见的机器学习算法,这些算法经过了优化,可以在分布式环境中高效处理非常大的数据。借助对 bring-your-own-algorithms 和框架的原生支持, SageMaker Sand 可以提供灵活并且适合具体工作流程的分布式训练选项。通过在 SageMaker Studio 或 SageMaker 控制台中单击几下来启动模型,即可将模型部署到安全的、可扩展的环境。
本指南包含有关 SageMaker 功能的信息和教程。有关更多信息,请参阅亚马逊 SageMaker 开发者资源
主题
亚马逊 SageMaker 定价
与其它Amazon产品一样,在使用 Amazon 时,您无需签订合同或承诺最低使用量 SageMaker。训练和托管按使用分钟数计费,没有最低费用,也不需要前期承诺。有关使用成本的更多信息 SageMaker,请参阅SageMaker 定价
您是亚马逊的首次用户 SageMaker吗?
如果您是首次接触的用户 SageMaker,我们建议您执行以下操作:
-
阅读Amazon SageMaker 的工作原理 — 本节概述了构建 AI 解决方案所涉及的 SageMaker核心组件,解释了关键概念,并描述了构建 AI 解决方案所涉及的核心组件 SageMaker。我们建议您按所呈现的顺序阅读本主题。
-
设置亚马逊 SageMaker 先决条件— 本节介绍如何设置您的Amazon账户。
-
Amazon A SageMaker utopilot 通过自动执行机器学习任务来简化机器学习体验。如果你是新手 SageMaker,它提供了最简单的学习路径。它还是一款出色的机器学习工具,可通过为每个自动机器学习任务生成的笔记本来查看代码。有关其功能的简介,请参阅使用亚马逊自动 SageMaker 驾驶仪自动开发模型。要开始构建、训练和部署机器学习模型,Autopilot 提供:
-
Amazon 入门 SageMaker— 本部分将引导您使用 SageMaker Studio 或 SageMaker 控制台和 SageMaker API 训练您的第一个模型。您使用提供的训练算法 SageMaker。
-
探索其他主题 – 根据您的需求,执行以下操作:
-
提交 Python 代码以使用深度学习框架进行训练 — 在 SageMaker,您可以使用自己的训练脚本来训练模型。有关信息,请参阅在亚马逊上使用Machine Learning 框架、Python 和 R SageMaker。
-
SageMaker 直接从 Apache Spark 使用 — 有关信息,请参阅将 Apache Spark 与 Amazon SageMaker 结合使用。
-
SageMaker 用于训练和部署自己的自定义算法 — 将您的自定义算法与 Docker Package 在一起,以便您可以对其进行训练和/或部署 SageMaker。要了解如何与 Docker 容器 SageMaker 交互以及有关 Docker 镜像的 SageMaker 要求,请参阅将 Docker 容器与 SageMaker。
-
-
查看 API 参考 ——本节介绍了 SageMaker API 操作。
Amazon SageMaker 的工作原理
SageMaker 是一项完全托管的服务,使您能够快速轻松地将基于机器学习的模型集成到您的应用程序中。本部分概述机器学习并说明机器学习的工作 SageMaker 原理。如果您是首次接触的用户 SageMaker,我们建议您按顺序阅读以下内容: