亚马逊机器学习和 SageMaker 算法
Amazon Machine Learning and SageMaker algorithms
1) 根据 http://docs.aws.amazon.com/machine-learning/latest/dg/learning-algorithm.html Amazon ML 使用 SGD。但是我找不到神经网络中使用了多少个隐藏层?
2) 有人可以确认 SageMaker 能够做 Amazon ML 所做的事情吗?即 SageMaker 比 Amazon ML 更强大?
我不确定 Amazon ML,但 SageMaker 使用此处列出的 docker 容器进行内置训练:https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-algo-docker-registry-paths.html
因此,一般来说,您可以使用 Amazon ML 完成的任何事情您也应该可以使用 SageMaker 完成(尽管 Amazon ML 有一个非常棒的模式编辑器)。
您可以查看每个容器以深入了解它们的工作原理。
您可以在此处找到 SageMaker 中可用算法的详尽列表:
https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html
目前,截至 2017 年 12 月,这些算法都可用:
- Linear Learner
- Factorization Machines
- XGBoost Algorithm
- Image Classification Algorithm
- Amazon SageMaker Sequence2Sequence
- K-Means Algorithm
- Principal Component Analysis (PCA)
- Latent Dirichlet Allocation (LDA)
- Neural Topic Model (NTM)
这些算法的通用 SageMaker SDK 接口如下所示:
from sagemaker import KMeans
kmeans = KMeans(role="SageMakerRole",
train_instance_count=2,
train_instance_type='ml.c4.8xlarge',
data_location="s3://training_data/",
output_path="s3://model_artifacts/",
k=10)
这里的图书馆:https://github.com/awslabs/amazon-sagemaker-examples
此处:https://github.com/aws/sagemaker-python-sdk 对于玩 SageMaker 特别有用。
您还可以在此处将 Spark 与 SageMaker Spark 库结合使用:https://github.com/aws/sagemaker-spark
1) 根据 http://docs.aws.amazon.com/machine-learning/latest/dg/learning-algorithm.html Amazon ML 使用 SGD。但是我找不到神经网络中使用了多少个隐藏层?
2) 有人可以确认 SageMaker 能够做 Amazon ML 所做的事情吗?即 SageMaker 比 Amazon ML 更强大?
我不确定 Amazon ML,但 SageMaker 使用此处列出的 docker 容器进行内置训练:https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-algo-docker-registry-paths.html
因此,一般来说,您可以使用 Amazon ML 完成的任何事情您也应该可以使用 SageMaker 完成(尽管 Amazon ML 有一个非常棒的模式编辑器)。
您可以查看每个容器以深入了解它们的工作原理。
您可以在此处找到 SageMaker 中可用算法的详尽列表: https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html
目前,截至 2017 年 12 月,这些算法都可用:
- Linear Learner
- Factorization Machines
- XGBoost Algorithm
- Image Classification Algorithm
- Amazon SageMaker Sequence2Sequence
- K-Means Algorithm
- Principal Component Analysis (PCA)
- Latent Dirichlet Allocation (LDA)
- Neural Topic Model (NTM)
这些算法的通用 SageMaker SDK 接口如下所示:
from sagemaker import KMeans
kmeans = KMeans(role="SageMakerRole",
train_instance_count=2,
train_instance_type='ml.c4.8xlarge',
data_location="s3://training_data/",
output_path="s3://model_artifacts/",
k=10)
这里的图书馆:https://github.com/awslabs/amazon-sagemaker-examples 此处:https://github.com/aws/sagemaker-python-sdk 对于玩 SageMaker 特别有用。
您还可以在此处将 Spark 与 SageMaker Spark 库结合使用:https://github.com/aws/sagemaker-spark