Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

TabTransformer

TabTransformeres una novedosa arquitectura de modelado profundo de datos tabulares para el aprendizaje supervisado. La TabTransformer arquitectura se basa en self-attention-based Transformers. Las capas de transformadores convierten las incrustaciones de rasgos categóricos en incrustaciones contextuales sólidas para lograr una mayor precisión en la predicción. Además, las incrustaciones contextuales de las que se ha aprendido TabTransformer son muy resistentes a las funciones de datos ausentes o ruidosas, y ofrecen una mejor interpretabilidad. Esta página incluye información sobre las recomendaciones de EC2 instancias de Amazon y cuadernos de muestra para TabTransformer.

Recomendación de EC2 instancias de Amazon para el TabTransformer algoritmo

SageMaker TabTransformer admite el entrenamiento de una sola instancia CPU y de una sola instanciaGPU. A pesar del aumento de los costes por instancia, GPUs entrene con mayor rapidez, lo que las hace más rentables. Para aprovechar la GPU capacitación, especifique el tipo de instancia como una de las GPU instancias (por ejemplo, P3). SageMaker TabTransformer actualmente no admite la GPU formación múltiple.

TabTransformer cuadernos de muestra

La siguiente tabla describe una variedad de cuadernos de muestra que abordan diferentes casos de uso del SageMaker TabTransformer algoritmo de Amazon.

Para obtener instrucciones sobre cómo crear instancias de Jupyter Notebook y acceder a ellas, que puede utilizar para ejecutar el ejemplo, consulte. SageMaker Instancias de Amazon SageMaker Notebook Una vez que haya creado una instancia de bloc de notas y la haya abierto, seleccione la pestaña SageMakerEjemplos para ver una lista de todos los ejemplos. SageMaker Para abrir un bloc de notas, elija su pestaña Usar y elija Crear copia.