亚马逊AWS官方博客
Tag: Amazon SageMaker
在 Amazon SageMaker Ground Truth 中简化 YOLO 对象检测的数据标记流程
本文介绍了如何在Amazon Ground Truth中为对象检测模型创建高效的端到端数据收集管道。您可以在创建对象检测模型时亲自体验整个操作过程。您也可以修改后期处理注释,以Pascal VOC格式生成带有标签的数据,可用于Faster RCNN等模型。您还可以在适当修改之后,将这套基本框架应用于其他特定于不同作业需求的数据标记管道。例如,您可以重写注释后处理过程改造框架用于实例分割任务,即对各类对象进行像素级标记,而不是本文示例中在对象周边绘制矩形
Read More谁才是一级方程式赛车中的最强车手?
在本文中,我们讲解了F1与Amazon机器学习解决方案实验室的科学家们如何合作创建Fastest Driver——第一套以客观事实与数据资源驱动的分析模型,用于计算F1赛事历史上的最强车手。
Read More新功能 — Amazon SageMaker 管道为您的机器学习项目带来开发运维能力
今天,我非常高兴地宣布推出 Amazon SageMaker 管道,这是 Amazon SageMaker 的一项新功能,可让数据科学家和工程师轻松构建、自动化、并扩展端到端的机器学习管道。
Read More新功能 — 使用 Amazon SageMaker 功能库,存储、发现和共享机器学习功能
今天,我非常高兴地宣布 Amazon SageMaker 功能库,一项 Amazon SageMaker 新功能,它可以使数据科学家和机器学习工程师轻松安全地存储、发现和共享培训和预测工作流程中使用的精选数据。
对于选择正确算法来培训机器学习 (ML) 模型的重要性,经验丰富的从业人员知道提供高质量数据有多么重要。清理数据是很好的第一步,机器学习工作流程通常包括填充缺失值、删除异常值等步骤。然后,他们经常使用被称为“特征工程”的常见技术和难懂的技术进行数据转换。
Amazon SageMaker 利用数十亿个参数简化深度学习模型的训练
今天,我非常高兴地宣布 Amazon SageMaker 简化了大型深度学习模型的训练,而这些模型以前由于硬件限制而难以训练。
Read More新功能 – Amazon SageMaker 中的托管数据并行简化了大型数据集上的训练
随着数据集和模型的规模越来越大、越来越复杂,从事大型分布式训练作业的机器学习 (ML) 从业人员不得不面临越来越长的训练时间,即使在使用 Amazon Elastic Compute Cloud (EC2) p3 和 p4 实例等强大的实例时也是如此。举例来说,使用配备 8 个 NVIDIA V100 GPU 的 ml.p3dn.24xlarge 实例时,需要 6 个多小时在公开可用的 COCO 数据集上训练高级对象检测模型,例如 Mask RCNN 和 Faster RCNN。同样地,在相同实例上训练最新自然语言处理模型 BERT 需要 100 多个小时。我们的一些客户,例如自动驾驶汽车公司,经常要在大型 GPU 集群上处理运行数天的更大型训练作业。
可以想象,这些长时间的训练是机器学习项目的严重瓶颈,影响了生产效率并减缓了创新。客户向我们寻求帮助,而后我们就行动了。
新增功能 – Amazon SageMaker Clarify 检测偏向并提高机器学习模型的透明度
今天,我非常高兴地宣布推出 Amazon SageMaker 的一项新功能 Amazon SageMaker Clarify,该功能可帮助客户检测机器学习 (ML) 模型中的偏向,并且可以通过向利益相关者和客户解释模型行为来提高透明度。
Read MoreAmazon SageMaker Edge Manager 简化了边缘设备上的机器学习模型操作
今天,我非常高兴地宣布推出 Amazon SageMaker Edge Manager,它是 Amazon SageMaker 的一项新功能,可用于在边缘设备队列中更轻松地优化、保护、监控和维护机器学习模型。
Read More新增功能 – 使用 Amazon SageMaker Debugger 分析您的机器学习训练作业
今天,我非常高兴地宣布, Amazon SageMaker Debugger 现在可以分析机器学习模型,从而可以更轻松地识别和修复硬件资源使用导致的训练问题。
Read More推出 Amazon SageMaker Data Wrangler,一个为机器学习准备数据的可视化界面
今天,我非常高兴地宣布推出 Amazon SageMaker Data Wrangler,一项 Amazon SageMaker 的新功能,它使数据科学家和工程师能够使用可视化界面更快地为机器学习 (ML) 应用程序准备数据。
Read More