Ressourcen für die Verwendung von Scikit-Learn mit Amazon AI SageMaker - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Ressourcen für die Verwendung von Scikit-Learn mit Amazon AI SageMaker

Sie können Amazon SageMaker AI verwenden, um ein Modell mithilfe von benutzerdefiniertem Scikit-Learn-Code zu trainieren und bereitzustellen. Das SageMaker KI-Python-SDK Scikit-Learn-Schätzer und -Modelle und die SageMaker KI-Open-Source-Scikit-Learn-Container erleichtern das Schreiben eines Scikit-Learn-Skripts und dessen Ausführung in KI. SageMaker Der folgende Abschnitt enthält Referenzmaterial, anhand dessen Sie lernen können, wie Sie Scikit-Learn mit KI verwenden können. SageMaker

Voraussetzungen

Scikit-learn 1.2 hat die folgenden Abhängigkeiten.

-Abhängigkeit Mindestversion
Python 3.8
NumPy 1.17.3
SciPy 1.3.2
joblib 1.1.1
Threadpoolctl 2.0.0

Der SageMaker KI-Scikit-Learn-Container unterstützt die folgenden Scikit-Learn-Versionen.

Unterstützte Scikit-Learn-Version Minimale Python-Versionen
1.2-1 3.8
1.0-1 3.7
0.23-1 3.6
0.20.0 2.7 oder 3.4

Allgemeine Informationen zum Schreiben von Scikit-Learn-Trainingsskripten und zur Verwendung von Scikit-Learn-Schätzern und -Modellen mit SageMaker KI finden Sie unter Scikit-Learn mit dem Python-SDK verwenden. SageMaker

Was möchten Sie tun?

Anmerkung

Matplotlib v2.2.3 oder neuer ist erforderlich, um die AI Scikit-Learn-Beispiel-Notebooks auszuführen. SageMaker

Ich möchte Scikit-Learn für Datenverarbeitung, Feature-Engineering oder Modellevaluierung in KI verwenden. SageMaker

Ein Beispiel für ein Jupyter-Notebook finden Sie unter/_learn_data_processing_and_model_evaluation. https://github.com/awslabs/ amazon-sagemaker-examples tree/master/sagemaker_processing/scikit

Einen Blogbeitrag zum Training und zur Implementierung eines Scikit-Learn-Modells finden Sie unter Amazon SageMaker AI fügt Scikit-Learn-Unterstützung hinzu.

Dokumentation finden Sie unter ReadTheDocs.

Ich möchte ein benutzerdefiniertes Scikit-Learn-Modell in KI trainieren. SageMaker

Ein Beispiel für ein Jupyter-Notizbuch finden Sie unter/_learn_iris. https://github.com/awslabs/ amazon-sagemaker-examples tree/master/sagemaker-python-sdk/scikit

Die Dokumentation finden Sie unter Train a Model with Scikit-learn.

Ich habe ein Scikit-Learn-Modell, das ich in SageMaker KI trainiert habe, und ich möchte es auf einem gehosteten Endpunkt einsetzen.

Weitere Informationen finden Sie unter Bereitstellen von Scikit-Learn-Modellen.

Ich habe ein Scikit-Learn-Modell, das ich außerhalb von SageMaker KI trainiert habe, und ich möchte es auf einem KI-Endpunkt einsetzen SageMaker

Weitere Informationen finden Sie unter Bereitstellen von Endpunkten aus Modelldaten.

Ich möchte die API-Dokumentation für Amazon SageMaker Python SDK Scikit-Learn-Klassen sehen.

Weitere Informationen finden Sie unter Scikit-Learn-Klassen.

Ich möchte Informationen über SageMaker KI-Scikit-Learn-Container sehen.

Weitere Informationen finden Sie im SageMaker Scikit-Learn Container-Repository. GitHub