cloud 9 和 sagemaker - 超参数优化
cloud 9 and sagemaker - hyper parameter optimisation
我进行了相当多的 google 搜索，但没有找到以下用例的明确答案。基本上，我宁愿使用 cloud 9（大部分时间）作为我的 IDE 而不是 Jupyter。我 confused/not 确定的是，我如何从那里执行长时间的 运行 作业，例如（贝叶斯）超参数优化。我可以使用 Sagemaker 功能吗？我应该使用 docker 并部署到 ECR（寻找最便宜的选项）吗？任何指针 w.r.t。对于这个特定问题，将不胜感激。谢谢。
您可以使用任何您选择的 IDE（包括您的笔记本电脑）。
SaegMaker 调整工作 (example) is asynchronous, so you can safely close your IDE after launching it. You can monitor the job the AWS web console, or with a DescribeHyperParameterTuningJob API call.
您可以使用内置框架容器之一启动 TensorFlow、PyTorch、XGBoost、Scikit-learn 和其他 popular ML frameworks，避免自带容器的额外工作。
我进行了相当多的 google 搜索，但没有找到以下用例的明确答案。基本上，我宁愿使用 cloud 9（大部分时间）作为我的 IDE 而不是 Jupyter。我 confused/not 确定的是，我如何从那里执行长时间的 运行 作业，例如（贝叶斯）超参数优化。我可以使用 Sagemaker 功能吗？我应该使用 docker 并部署到 ECR（寻找最便宜的选项）吗？任何指针 w.r.t。对于这个特定问题，将不胜感激。谢谢。
您可以使用任何您选择的 IDE（包括您的笔记本电脑）。
SaegMaker 调整工作 (example) is asynchronous, so you can safely close your IDE after launching it. You can monitor the job the AWS web console, or with a DescribeHyperParameterTuningJob API call.
您可以使用内置框架容器之一启动 TensorFlow、PyTorch、XGBoost、Scikit-learn 和其他 popular ML frameworks，避免自带容器的额外工作。