在本地使用 AWS ML 模型随机砍伐森林
Use AWS ML model Random Cut Forest locally
不知是否可以将SageMaker内置的RCF算法部署到本地模式。我还没有遇到任何关于它的示例实现。如果不是，我们是否可以简单地说，使用 RCF 训练的模型仅限于通过推理端点在平台内部使用？
我尝试这样做时遇到了这个错误。
确实你是对的，SageMaker Random Cut Forest 不能在本地训练和部署。 18 种 Amazon SageMaker 内置算法旨在在 Amazon SageMaker 上进行训练和部署。 有 2 个例外：SageMaker BlazingText 和 SageMaker XGBoost，它们可以与其开源对应物（fastText 和 XGBoost）一起阅读并用于从 SageMaker 进行推理（例如 EC2、Lambda、本地或在您的笔记本电脑上 - 只要您可以安装这些库）
这里有一个实现随机砍伐森林的开源尝试https://github.com/kLabUM/rrcf；我认为它与 SageMaker RCF 代码库没有任何联系，因此结果、速度和可扩展性可能会有所不同。
不知是否可以将SageMaker内置的RCF算法部署到本地模式。我还没有遇到任何关于它的示例实现。如果不是，我们是否可以简单地说，使用 RCF 训练的模型仅限于通过推理端点在平台内部使用？
我尝试这样做时遇到了这个错误。
确实你是对的，SageMaker Random Cut Forest 不能在本地训练和部署。 18 种 Amazon SageMaker 内置算法旨在在 Amazon SageMaker 上进行训练和部署。 有 2 个例外：SageMaker BlazingText 和 SageMaker XGBoost，它们可以与其开源对应物（fastText 和 XGBoost）一起阅读并用于从 SageMaker 进行推理（例如 EC2、Lambda、本地或在您的笔记本电脑上 - 只要您可以安装这些库）
这里有一个实现随机砍伐森林的开源尝试https://github.com/kLabUM/rrcf；我认为它与 SageMaker RCF 代码库没有任何联系，因此结果、速度和可扩展性可能会有所不同。