Veröffentlicht am: Jun 2, 2020
Heute haben wir die öffentliche Vorversion von Amazon SageMaker-Komponenten für Kubeflow Pipelines angekündigt. Machine Learning (ML)-Entwickler, die Kubeflow Pipelines verwenden, können ihre vorhandenen Pipeline-Schritte so konvertieren, dass sie mit den SageMaker-Komponenten auf SageMaker ausgeführt werden. Beispielsweise können ML-Teams mit SageMaker verwaltetes Training auf Spot-Instances verwenden, die automatisch Modellprüfpunkte auf S3 einrichten, sodass das Training im zuletzt gespeicherten Status unterbrochen und wieder aufgenommen werden kann. Weitere SageMaker-Funktionen, die in Kubeflow Pipeline unterstützt werden, sind integrierte Algorithmen, verwaltetes verteiltes Training und die Optimierung von Hyperparametern. Darüber hinaus kann SageMaker Instance-Typen mit einem Parametertausch ändern und so die komplizierte Konfiguration der automatischen Skalierung in Kubernetes ersetzen.
Amazon SageMaker ist ein vollständig verwalteter Service, der hochverfügbar, skalierbar und zuverlässig ist. SageMaker vereinfacht die für den Betrieb einer Kubeflow Pipeline-Umgebung erforderliche Infrastruktur. SageMaker-Komponenten für Kubeflow Pipelines unterstützen derzeit SageMaker Ground Truth, Training, Hyperparameter-Optimierung, Modellerstellung, Batch-Inferenz und Aufgaben zur Erstellung von Modellendpunkten.
Die öffentliche Vorversion von Amazon SageMaker-Komponenten für Kubeflow Pipelines ist in allen Regionen verfügbar, in denen Amazon SageMaker angeboten wird. Details finden Sie in der AWS-Regionentabelle. Besuchen Sie zum Einstieg die Dokumentationsseite zu SageMaker-Komponenten für Kubeflow Pipelines.