Amazon SageMaker上線中國(guó)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(yùn)營(yíng)的 AWS 中國(guó)(北京)區(qū)域和由西云數(shù)據(jù)運(yùn)營(yíng)的 AWS 中國(guó)(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(jī)器學(xué)習(xí)，AWS 于 2017 年 11 月推出了 Amazon SageMaker 機(jī)器學(xué)習(xí)平臺(tái)服務(wù)，并且在過(guò)去的兩年多里不斷豐富功能組件。

　　Amazon SageMaker 是一項(xiàng)完全托管的服務(wù)，可以幫助機(jī)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(jī)器學(xué)習(xí)過(guò)程中各個(gè)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(rèn)支持的框架，其他任何框架可以通過(guò)自帶容器(BYOC,Bring Your Own Container)的方式在Amazon SageMaker中運(yùn)行，包括模型訓(xùn)練和部署。

　　Amazon SageMaker 支持基于托管的 Spot 競(jìng)價(jià)實(shí)例進(jìn)行訓(xùn)練，訓(xùn)練成本降低最多可達(dá) 90 %。

　　同時(shí)，Amazon SageMaker 支持一鍵部署模型，針對(duì)實(shí)時(shí)或批量數(shù)據(jù)生成預(yù)測(cè)。可以跨多個(gè)可用區(qū)在自動(dòng)擴(kuò)展的實(shí)例上一鍵部署模型，在實(shí)現(xiàn)高冗余的同時(shí)無(wú)需做任何基礎(chǔ)設(shè)施運(yùn)維操作。

　　目前，Amazon SageMaker 服務(wù)已在由光環(huán)新網(wǎng)運(yùn)營(yíng)的 AWS 中國(guó)(北京)區(qū)域和由西云數(shù)據(jù)運(yùn)營(yíng)的 AWS 中國(guó)(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。