AWS SAM lance des modèles d'inférence de machine learning pour AWS Lambda

Le cadre AWS Serverless Application Model (AWS SAM) lance quatre nouveaux modèles pour la création d'applications basées sur l'inférence du machine learning sur AWS Lambda. Désormais, les clients peuvent s'appuyer sur ces modèles comme point de départ du développement, des tests et du déploiement de leurs applications de ML sans serveur basées sur des conteneurs.

Les clients peuvent accéder aux modèles de ML en tant que modèles Quick Start à partir de la commande init de la CLI AWS SAM. En sélectionnant « Image » comme type de package « python3.8-base » comme image de base, les clients pourront choisir un modèle d'inférence de ML pour le cadre de leur choix. Nous proposons des modèles pour les cadres TensorFlow, PyTorch, XGBoost et Scikit-Learn. Chaque modèle générera une application sans serveur entièrement fonctionnelle pour classifier des chiffres manuscrits, et inclura des modèles de démarrage. L'application utilise une fonction AWS Lambda pour effectuer l'inférence et un point de terminaison Amazon API Gateway pour exposer cette fonctionnalité en tant que service RESTful. Les clients peuvent s'appuyer sur ces modèles comme point de départ pour leurs applications de ML, puis les adapter en ajoutant leur propre modèle ou leur propre code.

Pour démarrer, lisez le blog AWS Compute et explorez le référentiel de modèles SAM CLI sur GitHub. Pour en savoir plus sur AWS SAM, consultez la documentation sur AWS Serverless Application Model.