Publicado en: Nov 20, 2018
Amazon SageMaker agregó varias mejoras para los contenedores integrados de TensorFlow y Chainer. Gracias a estas mejoras, resulta más sencillo ejecutar secuencias de comandos de TensorFlow y Chainer y, al mismo tiempo, aprovechar las capacidades que ofrece Amazon SageMaker, incluida una biblioteca de algoritmos de alto rendimiento, entrenamiento administrado y distribuido con perfeccionamiento de modelos automático, implementación con un clic y alojamiento administrado.
El contenedor integrado en TensorFlow 1.11 con SageMaker ahora admite Python 3, y continúa siendo compatible con Python 2. Python 3 ofrece varias mejoras relacionadas con la función de anotación, mejoras del lenguaje, soporte para Unicode y muchas más. Asimismo, el formato de la secuencia de comandos para entrenamiento con los contenedores TensorFlow 1.11 es similar a usar TensorFlow fuera de SageMaker, lo que permite trasladar cargas de trabajo entre SageMaker y su infraestructura sin problemas. A partir de TensorFlow 1.11 en SageMaker, ahora usted puede elegir implementar sus modelos en los contenedores dedicados de TensorFlow Serving para realizar inferencias. Estos contenedores ofrecen una opción de alojamiento de modelo sin código que admite solicitudes con entrada y salida estándar de API de TensorFlow Serving REST, así como también entrada de JSON simple o CSV. En comparación con los contenedores estándar de TensorFlow compatibles con el entrenamiento y la inferencia, estos contenedores dedicados ofrecen un tiempo de inicio más rápido y un rendimiento mejorado.
Los contenedores integrados de SageMaker para Chainer ahora son compatibles con Chainer 5.0. Esta versión viene con varias mejoras, como iDeep 2.0, que es la última versión del backend de Chainer para la arquitectura de Intel con mejoras en el rendimiento.
Las mejoras de TensorFlow y Chainer 5.0 ahora están disponibles en todas las regiones de AWS donde Amazon SageMaker está disponible hoy en día. Consulte la documentación para obtener más información.