Publicado: Feb 1, 2023
O Treinamento do Amazon SageMaker reduz o tempo e o custo para treinar e ajustar modelos de machine learning (ML) em grande escala sem a necessidade de gerenciar a infraestrutura. Além de fornecer bibliotecas e ferramentas integradas, o SageMaker trabalha com modelos básicos populares de código aberto, como GPT, BERT e estruturas DALL·E e ML, como PyTorch e TensorFlow. Temos a satisfação de anunciar que o Treinamento do SageMaker agora oferece suporte ao uso de imagens com estruturas pré-instaladas ou algoritmos armazenados em seu registro privado do Docker para criar modelos de ML.
Normalmente, os profissionais de machine learning que trabalham em empresas desejam usar um registro para sua imagem de contêiner, pois é uma prática de toda a organização manter uma localização central para suas imagens e artefatos. O Amazon ECR é um exemplo padrão desse registro centralizado usado por equipes corporativas. Para algumas equipes, é necessário executar trabalhos de treinamento usando diferentes registros de terceiros que elas criaram e mantiveram fora da AWS. Com esse novo recurso, os cientistas de dados têm a flexibilidade de treinar modelos personalizados de machine learning/aprendizado profundo (ML/DL), usando qualquer registro Docker privado de sua preferência. O treinamento de modelo do SageMaker agora pode autenticar com seu registro privado do Docker para que você possa ter uma camada adicional de segurança e a tranquilidade de que as solicitações para suas imagens de contêiner são atendidas apenas por entidades autorizadas. Para obter instruções passo a passo, leia nossa documentação.
O suporte ao registro privado do Docker no Treinamento do SageMaker agora está disponível em todas as regiões da AWS e em regiões AWS GovCloud (EUA) em que o treinamento de modelos do Amazon SageMaker está disponível, excluindo a região AWS GovCloud (Leste dos EUA). Para saber mais sobre o treinamento de modelos do SageMaker, acesse nossa página da Web aqui.