Amazon SageMaker上線中國區(qū) 可10分鐘訓(xùn)練出ML模型

4月30日消息，Amazon SageMaker 在由光環(huán)新網(wǎng)運營的 AWS 中國（北京）區(qū)域和由西云數(shù)據(jù)運營的 AWS 中國（寧夏）區(qū)域正式開放。據(jù)介紹，借助Amazon SageMaker ，可以幫“小白”用戶在10分鐘訓(xùn)練出ML模型。

為了讓數(shù)據(jù)科學(xué)家、算法工程師、業(yè)務(wù)開發(fā)者都能輕松駕馭機器學(xué)習(xí)，AWS 于 2017 年 11 月推出了 Amazon SageMaker 機器學(xué)習(xí)平臺服務(wù)，并且在過去的兩年多里不斷豐富功能組件。

Amazon SageMaker 是一項完全托管的服務(wù)，可以幫助機器學(xué)習(xí)開發(fā)者和數(shù)據(jù)科學(xué)家快速構(gòu)建、訓(xùn)練和部署模型。Amazon SageMaker 完全消除了機器學(xué)習(xí)過程中各個步驟的繁重工作，讓開發(fā)高質(zhì)量模型變得更加輕松。

Amazon SageMaker支持多種深度學(xué)習(xí)框架，包括：TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn 和 Deep Graph Library。

除了默認支持的框架，其他任何框架可以通過自帶容器（BYOC,Bring Your Own Container）的方式在Amazon SageMaker中運行，包括模型訓(xùn)練和部署。

Amazon SageMaker 支持基于托管的 Spot 競價實例進行訓(xùn)練，訓(xùn)練成本降低最多可達 90 %。

同時，Amazon SageMaker 支持一鍵部署模型，針對實時或批量數(shù)據(jù)生成預(yù)測?？梢钥缍鄠€可用區(qū)在自動擴展的實例上一鍵部署模型，在實現(xiàn)高冗余的同時無需做任何基礎(chǔ)設(shè)施運維操作。

目前，Amazon SageMaker 服務(wù)已在由光環(huán)新網(wǎng)運營的 AWS 中國（北京）區(qū)域和由西云數(shù)據(jù)運營的 AWS 中國（寧夏）區(qū)域上線，感興趣的朋友可以去官網(wǎng)根據(jù)教程指導(dǎo)，學(xué)習(xí) Amazon SageMaker 的模型構(gòu)建、訓(xùn)練和部署。