Publié le: Feb 1, 2023
L'entraînement Amazon SageMaker réduit le temps et les coûts d'entraînement et d'ajustement des modèles de machine learning (ML) à l'échelle sans que vous ayez à gérer l'infrastructure. En plus de fournir des bibliothèques et des outils intégrés, SageMaker fonctionne avec des modèles de base open source populaires tels que GPT, BERT et DALL E ainsi que des frameworks de ML comme PyTorch et TensorFlow. Nous sommes heureux d'annoncer que l'entraînement SageMaker prend désormais en charge l'utilisation d'images avec des frameworks préinstallés ou des algorithmes stockés dans votre registre Docker privé afin de créer des modèles de machine learning.
En général, les professionnels du machine learning travaillant dans des entreprises souhaitent utiliser un registre pour leurs images de conteneur, car la gestion d'un emplacement central pour leurs images et artefacts est une pratique courante à l'échelle de l'organisation. Amazon ECR est un exemple typique d'un tel registre centralisé utilisé par les équipes des entreprises. Certaines équipes doivent exécuter des tâches d'apprentissage à l'aide de différents registres tiers créés et gérés en dehors d'AWS. Grâce à cette nouvelle fonctionnalité, les scientifiques des données ont la possibilité d'entraîner des modèles personnalisés de machine learning/deep learning (ML/DL) en utilisant le registre Docker privé de leur choix. Désormais, l'entraînement de modèle SageMaker peut s'authentifier avec votre registre privé Docker. Vous disposez alors d'une couche de sécurité supplémentaire et savez que les demandes de vos images de conteneurs sont accordées uniquement aux entités autorisées. Voilà qui devrait vous rassurer. Pour obtenir des instructions étape par étape, veuillez lire notre documentation.
La prise en charge du registre Docker privé dans l'entraînement SageMaker est désormais disponible dans toutes les régions AWS et les régions AWS GovCloud (US) où l'entraînement de modèle Amazon SageMaker est disponible, à l'exception de la région AWS GovCloud (US, côte est). Pour en savoir plus sur l'entraînement de modèle SageMaker, veuillez visiter notre page web.