Veröffentlicht am: May 31, 2018
Amazon SageMaker ist jetzt vorkonfiguriert, um Chainer in einem Docker-Container auszuführen, indem es zu den vorhandenen integrierten Tensorflow- und Apache MXNet-Deep-Learning-Framework-Containern, die derzeit verfügbar sind, hinzugefügt wird. Chainer ist ein beliebtes Deep-Learning-Framework, das eine Vielzahl von neuronalen Architekturen unterstützt, bei denen das Netzwerk dynamisch in einem „Define-by-Run“-Schema definiert wird. Dies bedeutet, dass Sie Python-Konstrukte vollständig nutzen und die Abläufe in Ihrem Netzwerk steuern können. Um schnell mit Chainer anzufangen, bietet Amazon SageMaker Beispiel-Notebooks für gängige Workflows wie Stimmungsanalyse und MNIST, die beispielsweise einfach über die Jupyter Dashboard-Oberfläche von Amazon SageMaker aufgerufen werden können.
Amazon SageMaker unterstützt jetzt auch AWS CloudFormation. Sie können also alle Ihre Infrastrukturressourcen über eine Vorlage beschreiben und bereitstellen, um die Konfiguration in Ihrem Unternehmen und auf Ihren Konten auf automatisierte und sichere Weise zu standardisieren.
Darüber hinaus ist AWS SageMaker jetzt in der AWS-Region Asien-Pazifik (Tokio) verfügbar.
Chainer Integration und der Support für AWS CloudFormation sind heute in Amazon SageMaker in den Regionen USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), EU (Irland) und Asien-Pazifik (Tokio) verfügbar. Besuchen Sie die Dokumentation, um weitere Informationen zur Verwendung von Chainer in Amazon SageMaker-Algorithmen zu erfahren und lesen Sie auch den Blogeintrag.