AWS为机器学习模型培训和测试启动了SageMaker重大升级

 
亚马逊今天宣布了适用于AWS SageMaker的六种新功能和工具，该工具包用于培训和部署机器学习模型，以帮助开发人员更好地管理项目，实验和模型准确性。
AWS SageMaker Studio是一种模型培训和工作流管理工具，可将所有代码，笔记本和项目文件夹收集起来，以进行机器学习，而SageMaker Notebooks可让您快速启动Jupyter笔记本进行机器学习项目。 SageMaker Notebook的CPU使用率可以通过AWS进行管理，并快速从笔记本传输内容。
还有SageMaker Autopilot，它可以自动创建机器学习模型，并自动选择算法和调整模型。
“使用AutoML，会发生以下情况：您将包含所需模型的数据的CSV文件发送给我们，您可以在其中指向S3位置，而Autopilot会将模型的所有转换都转换为格式，以便我们做机器学习它选择了正确的算法，然后训练了50个独特的模型，这些模型的各个变量的配置略有不同，因为您不知道哪个模型会导致最高的准确性。”首席执行官Andy Jassy在今天的舞台上说道：在拉斯维加斯发明。 “然后我们要做的是，我们在SageMaker Studio中为您提供一个模型排行榜，您可以在其中看到所有50个模型的准确度排名。我们为您提供了一个在这些型号的每个型号下面的笔记本，以便您打开笔记本时，它具有该型号的所有配方。”
SageMaker Experiments用于自动训练和调整模型，并在测试模型时捕获参数。可以通过名称，数据集使用或参数来搜索较早的实验，从而更易于共享和搜索模型。
SageMaker Debugger用于提高机器学习模型的准确性，而SageMaker Model Monitor是检测概念偏差的一种方法。
“随着概念的漂移，我们要做的是针对训练模型的数据创建一组基准统计，然后我们实际分析所有预测，将其与用于创建模型的数据进行比较，然后为您提供可视化概念漂移的一种方法，您可以在SageMaker Studio中看到它。” Jassy说。
Jassy说，像PyTorch和TensorFlow这样的机器学习框架比SageMaker的采用率更高，但是如今在云中使用TensorFlow的85%发生在AWS上。
今天推出了一系列新工具，并为没有机器学习专长的人们提供了一系列机器学习云服务，例如Kendra，欺诈检测器和AI推理实例Inf1。 AWS今天还首次推出了Graviton2，这是一种将于明年推出的数据中心芯片。
SageMaker在2017年的re：Invent上首次亮相。在去年的re：Invent上，SageMaker通过自动数据标记服务SageMaker Ground Truth和SageMaker RL进行了升级，以进行强化学习。