一般問題

問:什麼是 Amazon SageMaker?

Amazon SageMaker 是一項全受管服務,可讓資料科學家和開發人員快速輕鬆地建立、訓練及部署機器學習模型。

問:Amazon SageMaker 可以用來做什麼?

開發人員和科學家可以利用 Amazon SageMaker 建立機器學習模型,應用於各種智慧預測應用程式。

問:如何開始使用 Amazon SageMaker?

要開始使用 Amazon SageMaker,請登入 Amazon SageMaker 主控台,在範例筆記本啟動筆記本執行個體,然後修改它以連接到您的資料來源,再按照範例建立/訓練/驗證模型,最後輸入幾筆數據,將產生的模型部署到生產用途。

問:哪些區域可以使用 Amazon SageMaker?

如需支援的 Amazon SageMaker AWS 區域清單,請參閱所有 AWS 全球基礎設施的 AWS 區域表。另外,如需詳細資訊,請參閱 AWS 一般參考中的區域和端點

問:是否可取得從我的帳戶發出的 Amazon SageMaker API 呼叫歷史記錄,以便用於安全分析和操作故障排除? 

是。要取得從您的帳戶發出的 Amazon SageMaker API 呼叫歷史記錄,您只需在 AWS 管理主控台中開啟 AWS CloudTrail 即可。*不會*記錄和交付 Amazon SageMaker 執行時間的以下 API 呼叫:InvokeEndpoint。

問:Amazon SageMaker 的服務可用性如何?

Amazon SageMaker 的設計可提供高可用性。沒有維護時段或計劃停機時間。Amazon SageMaker API 是在 Amazon 經過驗證的高可用性資料中心執行,相關的服務堆疊會在每個 AWS 區域的三個設施中進行複寫設定,以提供容錯能力,防止伺服器故障或可用區域中斷等狀況導致的損失。

問:Amazon SageMaker 有哪些安全措施?

Amazon SageMaker 確保機器學習模型成品和其他系統成品在傳輸和靜止狀態下全部經過加密。對 Amazon SageMaker API 和主控台發出的請求,都是透過安全 (SSL) 連線進行。當您將 AWS Identity and Access Management 角色交給 Amazon SageMaker 之後,它就有權為您準備訓練和部署時所需的一切資源。您可以將加密的 S3 儲存貯體用於模型成品和資料,還可以將 KMS 金鑰交給 Amazon SageMaker 筆記本、訓練任務和端點,以加密連接的 ML 儲存磁碟區。

問:Amazon SageMaker 如何保護我的程式碼安全?

Amazon SageMaker 會將程式碼存放至 ML 儲存磁碟區並由安全群組進行保護,並可選擇在靜態時進行加密。

問:使用 Amazon SageMaker 的費用為何?

您需支付用於託管筆記本、訓練模型、執行預測以及記錄輸出的 ML 運算、儲存和資料處理資源相關費用。您可以利用 Amazon SageMaker 為託管的筆記本、訓練和模型主機選擇要使用的執行個體數量和類型。您只需按實際用量付費;既沒有最低費用,也沒有前期承諾。

問:如果我有自己的筆記本、訓練或託管環境時該怎麼辦?

Amazon SageMaker 提供一套完整的端對端工作流程,不過現有的工具可以在 Amazon SageMaker 中繼續使用。您可以根據業務需求,輕鬆將每個階段的結果傳送至 Amazon SageMaker 或者從 Amazon SageMaker 傳送至其他地方。

託管的 Jupyter 筆記本

問:支援哪些類型的筆記本?

目前支援 Jupyter 筆記本。

問:當我停止工作空間時,您如何保留筆記本檔案?

您可以將筆記本檔案保留在連接的 ML 儲存磁碟區。筆記本執行個體關閉時,ML 儲存磁碟區便會分離,筆記本執行個體重新啟動時,ML 儲存磁碟區就會將重新連接。存放在記憶體中的項目將不會被保留。

問:我如何增加筆記本中的可用資源?

您可以修改筆記本執行個體,並在將檔案和資料儲存到連接的 ML 儲存磁碟區後,從 Amazon SageMaker 主控台選擇更大的設定檔。筆記本執行個體重新啟動會得到更多的可用資源,還會有相同的筆記本檔案和安裝的程式庫。

問:如何從 Amazon SageMaker 筆記本訓練模型?

啟動範例筆記本後,您可以自訂筆記本來配合您的資料來源和結構描述,並執行 AWS API 來建立訓練任務。您可以從 Amazon SageMaker 主控台或 AWS API 了解訓練任務的進度或完成狀態。

模型訓練

問:對於可用於訓練的資料集是否有大小限制?

利用 Amazon SageMaker 訓練模型時,資料集的大小沒有一定的限制。

問:我可以輕鬆將哪些資料來源引入Amazon SageMaker?

您可以在建立訓練任務時,指定訓練資料的 Amazon S3 位置。

問:Amazon SageMaker 使用什麼演算法來產生模型?

Amazon SageMaker 包括線性回歸、邏輯回歸、K 均值叢集、主成份分析、因式分解機器、神經主題建模、隱含狄利克雷分布、梯度提升樹、sequence2sequence、時間序列預測、word2vec 和影像分類等內建演算法。Amazon SageMaker 還提供優化的 Apache MXNet、Tensorflow、Chainer 和 PyTorch 容器。此外,如果 Docker 影像符合記載的規格,Amazon SageMaker 也可以支援透過它提供的自訂訓練演算法。

問:什麼是自動模型調校?

大多數機器學習演算法都會公開用來控制基礎演算法運作方式的各種參數。這些參數一般稱為超參數,它們的值會影響訓練模型的品質。自動模型調校是為演算法找出一組超參數的程序,以產出優化的模型。

問:透過自動模型調校可調整哪些模型?

只要符合科學,您就可以在 Amazon SageMaker 的任何演算法上執行自動模型調校,包括內建 SageMaker 演算法、深度神經網路,或您以 Docker 影像格式帶入 Amazon SageMaker 的任意演算法。

問:是否可在 Amazon SageMaker 以外使用自動模型調校?

目前不可以。在 Amazon SageMaker 內才能獲得最佳的模型調校效能和體驗。

問:什麼是基礎調校演算法?

目前,我們的調校超參數演算法是貝葉斯優化的自訂實作。主要目標是在調校過程中,優化客戶指定的目標指標。具體來說,它會檢查已完成訓練任務的物件指標,然後利用知識來推論超參數組合,以應用在下一個訓練任務。

問:是否可建議調校專用的特定超參數?

否。特定超參數對模型效能的影響程度取決於多個因素,很難肯定的說某個超參數比其他更為重要,所以需要調校。對於 Amazon SageMaker 中的內建演算法,我們會確定某個超參數是否可進行調校。

問:執行超參數調校任務需要多長的時間?

超參數調校任務所需的時間取決於多個因素,包括資料大小、基礎演算法,還有超參數的值。此外,客戶可以選擇同時訓練任務的數量和訓練任務的總數。這些選擇都會影響超參數調校任務持續的時間長度。 

問:是否可像模型一樣同時優化多個目標,使其又快又準確?

目前不可以。目前,您需要指定單一目標指標來優化或變更演算法程式碼以發出新指標,這是兩個或多個實用指標間的加權平均,讓調校程序針對該目標指標進行優化。

問:自動模型調校的費用為何?

超參數調校任務本身不需任何費用。但需根據模型訓練定價,依照超參數調校任務啟動的訓練任務支付費用。

問:自動模型調校的費用為何?

超參數調校任務本身不需任何費用。但需根據模型訓練定價,依照超參數調校任務啟動的訓練任務支付費用。

模型部署

問:我是否能存取執行 Amazon SageMaker 所在的基礎設施?

否。Amazon SageMaker 會代您操作該運算基礎設施,允許其執行運作狀態檢查、套用安全性修補程式和執行其他例行維護。您還可以在自己的託管環境中,部署那些利用自訂推論程式碼訓練而成的模型成品。

問:如何在生產環境中擴展 Amazon SageMaker 模型的規模和效能?

Amazon SageMaker 託管功能會利用 Application Auto Scaling 自動為您的應用程式擴展所需的效能。另外,您可以修改端點組態,然後就可以手動變更執行個體數量和類型,不用暫停服務。

問:我如何監控 Amazon SageMaker 的生產環境?

Amazon SageMaker 會將效能指標發送到 Amazon CloudWatch 指標,以便您可以追蹤指標,設定警示並自動對生產流量中的更改作出反應。另外,Amazon SageMaker 會將日誌寫入 Amazon Cloudwatch Logs,以便您監控生產環境並排除異常狀況。

問:Amazon SageMaker 可以託管哪種模型?

Amazon SageMaker 可以託管任何符合 Docker 推論影像記載規格的模型。這包括從 Amazon SageMaker 模型成品和推論程式碼建立的模型。

問:Amazon SageMaker 支援的並行即時 API 請求數量是多少?

Amazon SageMaker 旨在擴展到每秒大量的交易。確切的數字會因部署的模型以及模型部署所在的執行個體數量和類型而異。


問:什麼是批次轉換?

批次轉換可讓您針對大型或小型批次資料進行預測。無須將資料集分解為多個區塊或管理即時端點。使用簡易的 API 時,您可以請求針對大量資料記錄進行預測,並快速、輕鬆地轉換資料。

 

進一步了解 Amazon SageMaker 定價

瀏覽定價頁面
準備好開始使用了嗎?
註冊
還有其他問題嗎?
聯絡我們