Представляем Amazon SageMaker – ускорение машинного обучения

Проведено: 19 окт. 2023 г.

Сегодня мы запускаем Amazon SageMaker в Секретном регионе AWS. Amazon SageMaker – это полностью управляемый комплексный сервис машинного обучения, который позволяет специалистам по работе с данными, разработчикам и экспертам по машинному обучению быстро создавать, обучать и размещать модели машинного обучения в любом масштабе. Это значительно ускоряет машинное обучение и позволяет быстро добавлять его в рабочие приложения.

 Мы запускаем пять основных компонентов для Amazon SageMaker.

• Разработка: IDE для размещенных блокнотов Jupyter с нулевой настройкой для исследования, очистки и предварительной обработки данных. Их можно запускать в инстансах обычных типов или в инстансах на базе графических процессоров.
• Обучение моделей: сервис для создания, обучения и проверки распределенных моделей. Вы можете использовать встроенные общие алгоритмы и платформы обучения с наблюдением и без наблюдения либо создавать собственные алгоритмы обучения с помощью контейнеров Docker. Обучение можно масштабировать до десятков инстансов, чтобы ускорить создание моделей. Из S3 считываются обучающие данные, а обратно помещаются артефакты модели. Артефакты модели – это зависящие от данных параметры модели, а не код, позволяющий делать выводы на ее основе. Такое разделение задач упрощает развертывание обученных моделей Amazon SageMaker на других платформах.
• Хостинг моделей: сервис хостинга моделей с адресами HTTPS для вызова моделей с целью получения выводов в реальном времени. Эти адреса можно масштабировать для поддержки трафика и одновременного A/B-тестирования нескольких моделей. Вы можете создавать адреса с помощью встроенного SDK либо предоставлять собственные конфигурации с образами Docker. Amazon SageMaker Neo: позволяет клиентам однократно обучать модели, а затем запускать их где угодно с повышением производительности до 7 раз. Приложения, работающие на подключенных устройствах на периферии, особенно чувствительны к производительности моделей машинного обучения. Они требуют принятия решений с малой задержкой и часто развертываются на самых разных аппаратных платформах.
• Amazon SageMaker Neo компилирует модели для определенных аппаратных платформ, автоматически оптимизируя их производительность, что позволяет повысить ее в 7 раз без потери точности. В результате разработчикам больше не нужно тратить время на ручную настройку обученных моделей для каждой аппаратной платформы (что экономит время и деньги). SageMaker Neo поддерживает аппаратные платформы от NVIDIA, Intel, Xilinx, Cadence и Arm, а также такие популярные платформы, как Tensorflow, Apache MXNet и PyTorch.
• Amazon SageMaker GroundTruth: если вам нужно гибко создавать собственные рабочие процессы маркировки данных и управлять ими, вы можете воспользоваться SageMaker Ground Truth. SageMaker Ground Truth – это сервис маркировки данных, который упрощает маркировку данных и дает возможность использовать услуги сторонних поставщиков или собственные трудовые ресурсы. Кроме того, можно создавать маркированные синтетические данные, не собирая и не маркируя реальные данные вручную. SageMaker Ground Truth может генерировать сотни тысяч автоматически маркированных синтетических изображений без вашего участия.

Содержимое этой публикации предназначено только для информационных целей. Для получения дополнительной информации об Amazon Sagemaker в облаке в Секретном регионе свяжитесь с нами.