Amazon SageMaker – 加速機器學習簡介

張貼日期: 2023年10月19日

我們今日將在 AWS Secret Region 推出 Amazon SageMaker。Amazon SageMaker 是一項完全受管的端對端機器學習服務，可讓資料科學家、開發人員和機器學習專家大規模快速建置、訓練和託管機器學習模型。這會大幅加速您的所有機器學習工作，並使您得以快速將機器學習新增到生產應用程式中。

 我們正在為 Amazon SageMaker 推出 5 個主要元件：

• 編寫程式碼：零設定的託管 Jupyter 筆記本 IDE，用於資料探索、清理和預先處理。您可以在一般執行個體類型或搭載 GPU 的執行個體上執行這些項目。
• 模型訓練：分散式模型建置、訓練和驗證服務。您可以使用內建的常見監督式和無監督學習演算法和架構，或使用 Docker 容器建立自己的訓練。訓練可擴展至數十個執行個體，以支援更快的模型建置作業。系統會從 S3 讀取訓練資料，並將模型成品放入 S3 中。模型成品是資料相關模型參數，而不是可讓您從模型中進行推論的程式碼。這種分離關注點的方式，使 Amazon SageMaker 受訓練模型能夠輕鬆部署到其他平台。
• 模型託管：具有 HTTPS 端點的模型託管服務，用於調用模型以取得即時推論。您可以擴展這些端點以支援更多流量，而且您可以同時對多個模型進行 A/B 測試。同樣地，您可以使用內建 SDK 建構這些端點，或透過 Docker 映像檔提供自己的組態。Amazon SageMaker Neo：這可讓客戶只需訓練模型一次，就能隨處執行它們，並有高達 7 倍的效能改善。在邊緣連線裝置上執行的應用程式對於機器學習模型的效能特別敏感。它們需要低延遲的決策，而且通常是跨各式各樣的廣泛硬體平台部署。
• Amazon SageMaker Neo 針對各種特定的硬體平台編譯了各種模型，並自動最佳化它們的效能，讓它們在上線時能以高達七倍的效能來執行，而不會損失任何準確性。因此，開發人員不再需要花時間針對每種硬體平台逐一手動調整他們訓練過的模型 (節省了時間和費用)。SageMaker Neo 支援的硬體平台包含 NVIDIA、Intel、Xilinx、Cadence 和 Arm，也支援常見架構，如 Tensorflow、Apache MXNet 和 PyTorch。
• Amazon SageMaker GroundTruth：如果想要靈活建置和管理自己的資料標記工作流程和人力，您可以使用 SageMaker Ground Truth。SageMaker Ground Truth 是資料標記服務，可以輕鬆標記資料，並為您提供使用第三方廠商或自有私有人力的選項。您還可以產生標記的綜合資料，而無需手動收集或標記真實資料。SageMaker Ground Truth 可以代表您產生數十萬張自動標記的綜合影像。

本文章所記載內容僅供參考。如需 Secret Cloud 中 Amazon SageMaker 的更多資訊，請聯絡我們。