什么是 Amazon SageMaker? - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 服务入门 (PDF)

什么是 Amazon SageMaker?

Amazon SageMaker 是一项完全托管的机器学习服务。借助 SageMaker,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。借助对自带算法和框架的原生支持,SageMaker 可以提供灵活并且适合具体工作流的分布式训练选项。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型,以将该模型部署到安全且可扩展的环境中。

本指南包括有关 SageMaker 功能的信息和教程。有关其他信息,请参阅 Amazon SageMaker 开发人员资源

主题

Amazon SageMaker 定价

与其他 Amazon 产品一样,在使用 Amazon SageMaker 时,您无需签订合同或承诺最低使用量。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 SageMaker 的成本的更多信息,请参阅 SageMaker 定价

您是否是首次接触 Amazon SageMaker 的用户?

如果您是首次接触 SageMaker 的用户,我们建议您执行以下操作:

  1. 参阅Amazon SageMaker 如何运作 – 此部分概述了 SageMaker,说明了主要概念,并介绍了使用 SageMaker 构建 AI 解决方案时涉及的核心组件。我们建议您按所呈现的顺序阅读本主题。

  2. 设置 Amazon SageMaker 先决条件 – 此部分介绍如何设置您的 Amazon 账户。

  3. Amazon SageMaker Autopilot 自动执行机器学习任务以简化机器学习体验。如果您是初次使用 SageMaker,它提供了最简单的学习路径。它还用作一种极佳的 ML 学习工具,提供对为每个自动 ML 任务生成的笔记本提供代码可见性。有关其功能的简介,请参阅SageMaker Autopilot。为了开始构建、训练和部署机器学习模型,Autopilot 提供了:

  4. 开始使用 – 此部分介绍如何使用 SageMaker Studio 或 SageMaker 控制台和 SageMaker API 训练您的第一个模型。您可以使用 SageMaker 提供的训练算法。

  5. 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 中,您可以使用您自己的训练脚本来训练模型。有关信息,请参阅 机器学习框架和语言

    • 直接从 Apache Spark 使用 SageMaker – 有关信息,请参阅 将 Apache Spark 与 Amazon SageMaker 结合使用

    • 使用 SageMaker 训练和部署您自己的自定义算法 – 使用 Docker 包装您的自定义算法,以便在 SageMaker 中训练和/或部署这些算法。要了解 SageMaker 如何与 Docker 容器交互以及 Docker 映像的 SageMaker 要求,请参阅 使用 Docker 容器构建模型

  6. 查看 API 参考 – 此部分描述了 SageMaker API 操作。

Amazon SageMaker 如何运作

SageMaker 是一项完全托管的服务,可让您快速、轻松地将基于机器学习的模型集成到您的应用程序中。此部分概述了机器学习并解释了 SageMaker 的工作原理。如果您是首次接触 SageMaker 的用户,我们建议您按顺序阅读以下部分: