Минимальная конфигурация AWS SageMaker

Question

Зачем мне нужен контейнер для AWS SageMaker? Если я хочу запустить Scikit Learn на ноутбуке SageMaker Jupyter для самообучения, мне все равно нужно настроить для него Container?

Какая минимальная конфигурация в SageMaker мне понадобится, если я просто хочу изучать Scikit Learn? Например, я хочу запустить алгоритм дерева решений Scikit Learn с набором обучающих данных и набором тестовых данных. Что мне нужно сделать в SageMaker для выполнения задач? Спасибо.

Answer 1

Если вас не беспокоит использование возможностей обучения и развертывания Sagemaker, вам просто нужно создать новый conda_python3 блокнот и импортировать sklearn.

Я также был озадачен тем, как воспользоваться возможностями обучения / развертывания Sagemaker в Scikit Learn. Лучшее объяснение, и самое современное, кажется:

https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/sklearn/README.rst

Краткое резюме:

1. Вы сохраняете свои тренировочные данные в корзину S3.
2. Создайте автономный скрипт на python, который выполняет ваше обучение, сериализует модель обучения в файл и сохраняет ее в корзину S3.
3. В блокноте на Sagemaker вы импортируете Sagemaker SDK и указываете его на свой учебный скрипт и данные. Затем Sagemaker временно создаст экземпляр AWS для обучения модели.
4. После обучения этот экземпляр автоматически уничтожается.
5. Наконец, вы используете Sagemaker SDK для развертывания обученной модели в другом экземпляре AWS. Это также автоматически создает конечную точку, которую можно вызывать для прогнозирования.

Answer 2

Вам не нужно много.Просто учетная запись AWS с соответствующими разрешениями для вашей роли.В консоли AWS SageMaker вы можете просто запустить экземпляр AWS Notebook одним щелчком мыши.Sklearn предустановлен, и вы можете использовать его из коробки.Специальный контейнер не требуется.

Как минимум, вам просто необходима учетная запись AWS с соответствующими разрешениями для создания экземпляров EC2 и чтения / записи с вашего S3.Вот и все, просто попробуйте.:)

Используйте это как отправную точку: Amazon SageMaker - Ускорение машинного обучения

Вы также можете получить к нему доступ через терминал Jupyter