Amazon SageMaker 是一個完全托管的平臺，可以幫助開發(fā)人員和數(shù)據(jù)科學家快速輕松地構建、訓練和部署任何規(guī)模的機器學習模型。Amazon SageMaker 消除了通常會阻礙開發(fā)人員使用機器學習的所有障礙。

[[241017]] 

大多數(shù)開發(fā)人員通常覺得機器學習要比它本身難得多，因為構建和訓練模型，然后將其部署到生產(chǎn)中的流程過于復雜，并且速度太慢。首先，您需要收集和準備訓練數(shù)據(jù)，以發(fā)現(xiàn)數(shù)據(jù)集中哪些是重要元素。然后，您需要選擇要使用的算法和框架。確定方法后，您需要通過訓練教模型如何進行預測，這需要大量的計算。接下來，您需要調(diào)整模型，以交付可能的最佳預測，這通常需要繁瑣的手動工作。開發(fā)出經(jīng)過完全訓練的模型后，您需要將該模型與您的應用程序集成，并在可擴展的基礎設施上部署此應用程序。這一切操作都需要大量的專業(yè)知識，需要訪問大量的計算和存儲，并需要大量的時間對流程的各個方面進行試驗和優(yōu)化。如此看來，大多數(shù)開發(fā)人員覺得這一切都無法實現(xiàn)也并不奇怪。

Amazon SageMaker 消除了阻礙開發(fā)人員成功完成每個步驟的復雜性。Amazon SageMaker 包含一些可同時或單獨用以構建、訓練和部署機器學習模型的模塊。

工作原理

構建

Amazon SageMaker 提供了快速連接到您的訓練數(shù)據(jù)所需的所有內(nèi)容，從而輕松構建 ML 模型并為訓練做好準備，并且還可以輕松為您的應用程序選擇和優(yōu)化最佳算法和框架。Amazon SageMaker 包含托管的 Jupyter 筆記本，您可以輕松瀏覽和可視化在 Amazon S3 中存儲的訓練數(shù)據(jù)。您可以直接連接到 S3 中的數(shù)據(jù)，或者使用 AWS Glue 將數(shù)據(jù)從 Amazon RDS、Amazon DynamoDB 和 Amazon Redshift 移動到 S3 以在筆記本中進行分析。

為了幫助您選擇算法，Amazon SageMaker 包含最常用的機器學習算法，這些算法已預裝好并經(jīng)過優(yōu)化，與在任何其他地方運行些算法相比，最多可以將性能提高 10 倍。此外，Amazon SageMaker 還經(jīng)過預配置，能在 Docker 容器中運行 TensorFlow、Apache MXNet 和 Chainer。您還可以將這些開源容器下載到本地環(huán)境中，然后在使用 Amazon SageMaker 在生產(chǎn)環(huán)境中訓練或托管模型前，使用 Amazon SageMaker Python 開發(fā)工具包以本地模式測試腳本。您也可以選擇使用自己的框架。

訓練

只需單擊一下，您就可以在 Amazon SageMaker 控制臺中開始訓練您的模型。Amazon SageMaker 為您管理所有底層基礎架構，并且可以輕松以 PB 級擴展以訓練模型。為了使訓練過程更快更輕松，Amazon SageMaker 可以自動調(diào)整您的模型以達到最高的精度。

部署

當模型經(jīng)過訓練和調(diào)整后，Amazon SageMaker 可以輕松在生產(chǎn)環(huán)境中進行部署，以便您可以開始針對實時或批量數(shù)據(jù)生成預測（該過程稱為推理）。Amazon SageMaker 在跨多個可用區(qū)的 Amazon SageMaker ML 實例的自動擴展集群上部署您的模型，以實現(xiàn)高性能和高可用性。Amazon SageMaker 還包含內(nèi)置的 A/B 測試功能，以幫助您測試模型并試驗不同的版本以獲得最佳效果。

Amazon SageMaker 承擔了機器學習的繁重工作，因此，您可以快速輕松地構建、訓練和部署機器學習模型。

優(yōu)勢

使用機器學習快速部署到生產(chǎn)中

Amazon SageMaker 可顯著縮短訓練、調(diào)整和部署機器學習模型所需的時間。 Amazon SageMaker 可管理和自動使用所有復雜的訓練和調(diào)整技術，因此您可以將模型快速部署到生產(chǎn)中。 

選擇任意框架或算法

Amazon SageMaker 支持所有機器算法和框架，因此您可以使用自己已經(jīng)熟悉的技術。Apache MXNet、TensorFlow 和 Chainer 已預先安裝，并且 Amazon SageMaker 可提供大量內(nèi)置的高性能機器學習算法。如果您想使用其他框架或算法進行訓練，可以在 Docker 容器中應用您自己的框架或算法。

一鍵式訓練和部署

使用 Amazon SageMaker，您只需在控制臺中單擊一下或通過一個簡單的 API 調(diào)用，即可開始訓練模型。訓練完成并且您已做好準備部署模型后，只需在 Amazon SageMaker 控制臺中單擊一下，即可啟動該模型。

輕松與您的現(xiàn)有工作流程集成

Amazon SageMaker 采用三個模塊設計，這些模塊可同時使用或單獨作為您可能已準備好的任何現(xiàn)有 ML 工作流程的一部分使用。 

輕松訪問經(jīng)過訓練的模型

Amazon SageMaker 提供了可從任意應用程序調(diào)用的 HTTPS 終端節(jié)點，可輕松地將機器學習模型集成到您的應用程序中。 

針對速度進行了優(yōu)化

Amazon SageMaker 預先配置了最新版本的 TensorFlow、Apache MXNet 和 Chainer，以及帶有 NVIDIA GPU 的 CUDA9 庫，可提供最高性能。借助運行 NVIDIA Volta V100 GPU 的 Amazon SageMaker P3 實例，Amazon SageMaker 讓您能夠以無與倫比的速度訓練深度學習模型。