Publicado en: Feb 1, 2023
El entrenamiento de Amazon SageMaker reduce el tiempo y el costo de entrenar y ajustar los modelos de machine learning (ML) a escala sin necesidad de administrar la infraestructura. Además de proporcionar bibliotecas y herramientas integradas, SageMaker trabaja con modelos básicos de código abierto conocidos, como GPT, BERT y DALL E, y con marcos de ML, como PyTorch y TensorFlow. Nos complace anunciar que el entrenamiento de SageMaker ahora es compatible con el uso de imágenes con marcos o algoritmos preinstalados y almacenados en su registro privado de Docker para crear modelos de ML.
Por lo general, los profesionales de machine learning que trabajan en empresas quieren utilizar un registro para la imagen de su contenedor, ya que mantener una ubicación central para las imágenes y artefactos es una práctica habitual en todas las organizaciones. Amazon ECR es un ejemplo estándar de este tipo de registro centralizado que utilizan los equipos empresariales. Para algunos de ellos, es necesario ejecutar trabajos de entrenamiento con diferentes registros de terceros que han creado y mantenido fuera de AWS. Con esta nueva característica, los científicos de datos tienen la flexibilidad de entrenar modelos personalizados de machine learning (ML) y aprendizaje profundo (DL), utilizando cualquier registro de Docker privado que usted elija. El entrenamiento de modelos de SageMaker ahora puede autenticarse con su registro privado de Docker para que pueda disponer de un nivel de seguridad adicional y de la tranquilidad de saber que las solicitudes a las imágenes de sus contenedores solo se aceptan para entidades autorizadas. Para obtener instrucciones detalladas, consulte nuestra documentación.
La compatibilidad con el registro privado de Docker en el entrenamiento de SageMaker ya está disponible en todas las regiones de AWS y AWS GovCloud (EE. UU.) en las que está disponible el modelo de entrenamiento de Amazon SageMaker, excepto en la región AWS GovCloud (Este de EE. UU.). Para obtener más información sobre el entrenamiento con modelos de SageMaker, visite nuestra página web aquí.