亚马逊AWS官方博客

在 Amazon Aurora Global Database 中使用写入转发构建全球分布式 MySQL 应用程序

Amazon Aurora全球数据库允许用户创建全局分布式应用程序,保证为远程区域内的本地读取操作提供支持。以此为基础,您可以在灾难恢复解决方案中实现极优的RPO与RTO水平,也可以向世界各地的用户提供延迟更低的读取响应。通过写入转发功能,我们现在还能够让全局应用程序以更少的代码变更在远程区域内轻松执行写入操作。

Read More

Amazon Redshift Spectrum – EB 级的 S3 数据就地查询

Amazon Redshift 允许 AWS 客户构建 PB 级的数据仓库,使来自各种内部和外部源的数据得以整合。由于 Redshift 针对大型表上的复杂查询(通常涉及多个join)进行了优化,因此它可以毫不费力地处理大量零售、库存和财务数据。加载数据后,我们的客户可以使用由 Redshift 合作伙伴提供的大量企业报告和商业智能工具。

Read More

使用您自己的 Amazon SageMaker 主动学习标签工作流程

在本文中,您创建了一个主动学习工作流,并使用该工作流从 ML 模型推论和人工工作线程产生高质量的标签。 您可以将此工作流用于各种自定义添加标签任务,以减少为大型数据集添加标签的成本。您可以使用任何自定义学习算法和主动学习逻辑,并根据需要更改此示例。要开始使用 Blazing Text 预览主动学习工作流,请启动 Cloud Formation 堆栈并完成第 1 部分。

Read More

使用 Amazon SageMaker Debugger 与 Amazon SageMaker Experiments 为机器学习模型剪枝

本文探讨了使用Amazon SageMaker进行迭代模型剪枝的方法,同时介绍了如何通过识别对训练过程鲜有帮助的冗余参数来显著降低模型大小并保持模型准确性。我们还在本文中引入了使用预训练模型的应用示例,可以看到该模型通过迭代剪枝成功实现了准确性保障前提下的“瘦身”任务。

Read More