Veröffentlicht am: Jul 17, 2018
Amazon SageMaker unterstützt jetzt vollständig verwaltete Batch-Transformationsaufgaben mit hohem Durchsatz für Nicht-Echtzeit-Inferenzen. Vorhandene maschinelle Lernmodelle, die auf Amazon SageMaker entwickelt wurden, können nahtlos mit dieser neuen Funktion ohne Änderungen zusammenarbeiten.
Bisher musste die Verarbeitung von Datenstapeln für Nicht-Echtzeit-Inferenzen durchgeführt werden, indem große Datensätze in kleinere Datenblöcke skaliert und Echtzeit-Endpunkte verwaltet wurden. Mit der neuen Batch-Transformationsfunktion können Kunden Batch-Aufgaben in Amazon SageMaker über einen einfachen API-Aufruf unabhängig von der Datensatzgröße verarbeiten. Batch-Transformationsaufgaben können für eine Reihe von Datensätzen ausgeführt werden, angefangen bei Petabyte an Daten bis hin zu sehr kleinen Datensätzen. SageMaker verwaltet die Bereitstellung von Ressourcen zu Beginn der Aufgaben und gibt sie nach Abschluss der Aufgaben frei. Die Ausgabe der Batch-Transformationsaufgaben wird in dem S3-Bucket gespeichert, der vom Benutzer ausgewählt wurde.
Amazon SageMaker Batch Transform ist jetzt in den AWS-Regionen USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), Europa (Irland), Europa (Frankfurt), Asien-Pazifik (Tokio), Asien-Pazifik ( Seoul) und Asien-Pazifik (Sydney) verfügbar. Weitere Informationen zu Amazon SageMaker finden Sie hier.