Руководство для начинающих Sagemaker - PullRequest
Новая
       8

Руководство для начинающих Sagemaker

0 голосов
/ 07 мая 2019

Я следовал учебнику Amazon по использованию SageMaker и использовал его для создания модели в учебнике (https://aws.amazon.com/getting-started/tutorials/build-train-deploy-machine-learning-model-sagemaker/).

Я впервые использую SageMaker, поэтому мой вопрос может быть глупым.

Как вы на самом деле смотрите на созданную модель? Я хочу, чтобы я мог видеть а) окончательную формулу, созданную с параметрами и т. Д.пример.

Заранее спасибо.

1 Ответ

0 голосов
/ 05 июня 2019

Если вы следовали учебному пособию по SageMaker, вы должны были обучить модель XGBoost. SageMaker помещает артефакты модели в ваше собственное ведро, проверьте расположение выходного S3 в консоли AWS SageMaker.

Для получения дополнительной информации о XGBoost вы можете проверить документацию AWS SageMaker https://docs.aws.amazon.com/sagemaker/latest/dg/xgboost.html#xgboost-sample-notebooks и примеры ноутбуков, например, https://github.com/awslabs/amazon-sagemaker-examples/blob/master/introduction_to_amazon_algorithms/xgboost_abalone/xgboost_abalone.ipynb

Чтобы использовать артефакт XGBoost, созданный SageMaker, ознакомьтесь с официальной документацией, содержащей следующий код: 

# SageMaker XGBoost uses the Python pickle module to serialize/deserialize 
# the model, which can be used for saving/loading the model.
# To use a model trained with SageMaker XGBoost in open source XGBoost
# Use the following Python code:

import pickle as pkl 
model = pkl.load(open(model_file_path, 'rb'))
# prediction with test data
pred = model.predict(dtest)
...