Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

TabTransformer

Mode de mise au point
TabTransformer - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

TabTransformerest une nouvelle architecture de modélisation de données tabulaires approfondies pour l'apprentissage supervisé. L' TabTransformer architecture repose sur des self-attention-based transformateurs. Les couches de Transformers transforment les intégrations des caractéristiques catégorielles en intégrations contextuelles robustes pour obtenir une meilleure précision de prédiction. En outre, les intégrations contextuelles apprises TabTransformer sont très robustes face aux caractéristiques de données manquantes et bruyantes, et offrent une meilleure interprétabilité. Cette page contient des informations sur les recommandations relatives aux EC2 instances Amazon et des exemples de blocs-notes pour TabTransformer.

Recommandation d' EC2 instance Amazon pour l' TabTransformeralgorithme

SageMaker L'IA TabTransformer prend en charge la formation des processeurs à instance unique et des processeurs graphiques à instance unique. Malgré des coûts par instance plus élevés, GPUs entraînez-vous plus rapidement, ce qui les rend plus rentables. Pour tirer parti de l'entraînement GPU, spécifiez le type d'instance comme l'une des instances GPU (par exemple, P3). SageMaker L'IA ne prend TabTransformer actuellement pas en charge l'entraînement multi-GPU.

TabTransformer exemples de carnets

Le tableau suivant présente une variété d'exemples de blocs-notes qui répondent à différents cas d'utilisation de l' TabTransformer algorithme Amazon SageMaker AI.

Titre du bloc-notes Description

Classification tabulaire avec l'algorithme Amazon SageMaker AI TabTransformer

Ce carnet explique l'utilisation de l' TabTransformeralgorithme Amazon SageMaker AI pour entraîner et héberger un modèle de classification tabulaire.

Régression tabulaire avec l'algorithme Amazon SageMaker AI TabTransformer

Ce carnet explique l'utilisation de l' TabTransformeralgorithme Amazon SageMaker AI pour entraîner et héberger un modèle de régression tabulaire.

Pour savoir comment créer et accéder à des instances de bloc-notes Jupyter que vous pouvez utiliser pour exécuter l'exemple dans SageMaker AI, consultez. Instances Amazon SageMaker Notebook Après avoir créé une instance de bloc-notes et l'avoir ouverte, choisissez l'onglet Exemples d'SageMaker IA pour voir la liste de tous les exemples d' SageMaker IA. Pour ouvrir un bloc-notes, choisissez son onglet Use (Utiliser), puis Create copy (Créer une copie).

Rubrique précédente :

Formats d'inférence
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.