[英]How to load a training set in AWS SageMaker to build a model?
我是SageMaker的新手。 第一次互動時,AWS SageMaker似乎要求您從其筆記本開始。 我有一個准備好的訓練集。 有沒有一種方法可以繞過設置筆記本而只是通過上傳培訓集開始? 或應通過筆記本電腦完成。 如果有人在上面知道一些適合我需求的示例,那將很棒。
Amazon SageMaker是多個服務的組合,每個服務都彼此獨立。 如果要在熟悉的Jupyter環境中開發模型,可以使用筆記本實例。 但是,如果只需要訓練模型,則可以使用訓練作業而無需打開筆記本實例。
有幾種方法可以啟動培訓工作:
kmeans.fit(kmeans.record_set(train_set[0]))
這是python庫的鏈接: https : //github.com/aws/sagemaker-python-sdk
sagemaker = boto3.client('sagemaker') sagemaker.create_training_job(**create_training_params)
這是這些選項的文檔鏈接: https : //docs.aws.amazon.com/sagemaker/latest/dg/ex1-train-model-create-training-job.html
val estimator = new KMeansSageMakerEstimator( sagemakerRole = IAMRole(roleArn), trainingInstanceType = "ml.p2.xlarge", trainingInstanceCount = 1, endpointInstanceType = "ml.c4.xlarge", endpointInitialInstanceCount = 1) .setK(10).setFeatureDim(784)
val model = estimator.fit(trainingData)
這是spark-sagemaker庫的鏈接: https : //github.com/aws/sagemaker-spark
請注意,還有一些選項可以使用K-Means,Linear Learner或XGBoost等內置算法來訓練模型(完整列表請參見此處: https ://docs.aws.amazon.com/sagemaker /latest/dg/algos.html )。 但是您還可以為預烘焙的Docker映像提供自己的模型,例如TensorFlow( https://docs.aws.amazon.com/sagemaker/latest/dg/tf.html )或MXNet( https://docs.aws .amazon.com / sagemaker / latest / dg / mxnet.html ),即您自己的Docker映像( https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo.html )。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.