Publié le: Jun 2, 2020
Aujourd'hui, nous avons annoncé la version préliminaire publique d'Amazon SageMaker Components for Kubeflow Pipelines. Les développeurs en machine learning (ML) qui utilisent Kubeflow Pipelines peuvent convertir leurs étapes de pipeline existant pour exécuter SageMaker avec les composants SageMaker. Par exemple, les équipes de machine learning peuvent utiliser SageMaker pour une formation gérée sur des instances Spot, ce qui permet de configurer automatiquement les points de contrôle du modèle vers le compartiment S3 afin que vous puissiez suspendre et reprendre l'entraînement à partir du dernier état enregistré. Les autres fonctionnalités SageMaker prises en charge dans Kubeflow Pipelines sont les algorithmes intégrés, l'entraînement distribué géré, et l'ajustement des hyper-paramètres. De plus, SageMaker peut modifier les types d'instances en échangeant un seul paramètre, en remplaçant la configuration de mise à l'échelle automatique complexe dans Kubernetes.
Amazon SageMaker est un service entièrement géré, hautement disponible, évolutif et fiable. SageMaker simplifie l'infrastructure nécessaire pour exécuter un environnement Kubeflow Pipelines. Actuellement, Amazon SageMaker Components for Kubeflow Pipelines prend en charge SageMaker, Ground Truth, l'entraînement, l'optimisation des hyper-paramètres, la création de modèles, l'inférence par lots et les tâches de création de points de terminaison de modèles.
La version préliminaire publique d'Amazon SageMaker Components for Kubeflow Pipelines est disponible dans toutes les régions où Amazon SageMaker est proposé. Pour en savoir plus, reportez-vous au tableau des régions AWS. Pour démarrer, consultez la page de documentation d'Amazon SageMaker Components for Kubeflow Pipelines.