Giới thiệu Amazon SageMaker – Tăng tốc công nghệ máy học

Ngày đăng: 19 Th10 2023

Hôm nay chúng tôi sẽ ra mắt Amazon SageMaker trong Khu vực bí mật của AWS. Amazon SageMaker là một dịch vụ máy học toàn diện được quản lý toàn phần, cho phép các nhà khoa học dữ liệu, nhà phát triển và chuyên gia máy học nhanh chóng xây dựng, đào tạo và lưu trữ các mô hình máy học trên quy mô lớn. Điều này giúp tăng tốc đáng kể tất cả các nỗ lực máy học của bạn và cho phép bạn thêm máy học vào các ứng dụng sản xuất của mình một cách nhanh chóng.

 Chúng tôi đang tung ra 5 thành phần chính cho Amazon SageMaker:

  • Biên soạn: Các IDE sổ tay Jupyter được lưu trữ không cần thiết lập để khám phá, dọn dẹp và xử lý trước dữ liệu. Bạn có thể chạy chúng trên các loại phiên bản đa dụng hoặc phiên bản hỗ trợ GPU.
  • Đào tạo mô hình: Một dịch vụ xây dựng, đào tạo và xác thực mô hình phân tán. Bạn có thể sử dụng các thuật toán và khung học không có giám sát và có giám sát phổ biến được tích hợp sẵn hoặc tạo khoá đào tạo của riêng bạn với các bộ chứa Docker. Khoá đào tạo có thể điều chỉnh quy mô lên hàng chục phiên bản để hỗ trợ xây dựng mô hình nhanh hơn. Dữ liệu đào tạo được đọc từ S3 và các tạo tác mô hình được đưa vào S3. Các tạo tác mô hình là các tham số mô hình phụ thuộc vào dữ liệu, không phải mã cho phép bạn đưa ra suy luận từ mô hình của mình. Việc phân tách các mối quan tâm này giúp dễ dàng triển khai các mô hình được đào tạo của Amazon SageMaker lên các nền tảng khác.
  • Lưu trữ mô hình: Một dịch vụ lưu trữ mô hình với các điểm cuối HTTPS để gọi các mô hình của bạn để có được các suy luận theo thời gian thực. Các điểm cuối này có thể điều chỉnh để hỗ trợ lưu lượng truy cập và cho phép bạn kiểm thử A/B nhiều mô hình cùng một lúc. Một lần nữa, bạn có thể xây dựng các điểm cuối này bằng cách sử dụng SDK tích hợp hoặc cung cấp cấu hình của riêng bạn với hình ảnh Docker. Amazon SageMaker Neo: Khả năng này cho phép khách hàng đào tạo các mô hình một lần và chạy chúng ở bất cứ đâu với hiệu suất được cải thiện đến 7 lần. Các ứng dụng chạy trên các thiết bị được kết nối ở biên đặc biệt nhạy cảm với hiệu năng của các mô hình máy học. Chúng yêu cầu các quyết định có độ trễ thấp và thường được triển khai trên một số lượng lớn các nền tảng phần cứng khác nhau.
  • Amazon SageMaker Neo biên dịch các mô hình cho các nền tảng phần cứng cụ thể, tự động tối ưu hoá hiệu năng của chúng, cho phép chúng chạy với hiệu năng cao hơn đến 7 lần mà không làm giảm độ chính xác. Do đó, các nhà phát triển không còn cần phải dành thời gian điều chỉnh thủ công các mô hình được đào tạo của họ cho từng nền tảng phần cứng (tiết kiệm thời gian và chi phí). SageMaker Neo hỗ trợ các nền tảng phần cứng từ NVIDIA, Intel, Xilinx, Cadence và Arm, và các khung phổ biến như Tensorflow, Apache MXNet và PyTorch.
  • Amazon SageMaker GroundTruth: Nếu bạn muốn linh hoạt xây dựng và quản lý quy trình làm việc ghi nhãn dữ liệu và lực lượng lao động của riêng mình, bạn có thể sử dụng SageMaker Ground Truth. SageMaker Ground Truth là một dịch vụ ghi nhãn dữ liệu giúp dễ dàng ghi nhãn dữ liệu và cung cấp cho bạn tuỳ chọn sử dụng các nhà cung cấp bên thứ ba hoặc lực lượng lao động tư nhân của riêng bạn. Bạn cũng có thể tạo dữ liệu tổng hợp được ghi nhãn mà không cần thu thập hoặc ghi nhãn dữ liệu thực tế theo cách thủ công. SageMaker Ground Truth có thể thay mặt bạn tạo ra hàng trăm nghìn hình ảnh tổng hợp được ghi nhãn tự động.

Nội dung trong bài đăng này chỉ nhằm mục đích cung cấp thông tin. Để biết thêm thông tin về Amazon Sagemaker trong đám mây bí mật, vui lòng liên hệ với chúng tôi.