Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Informasi Umum Tentang Algoritma Bawaan
Tabel berikut mencantumkan parameter untuk masing-masing algoritma yang disediakan oleh Amazon SageMaker.
| Nama algoritma | Nama saluran | Mode masukan pelatihan | Tipe file | Kelas instans | Dapat diparalelkan |
|---|---|---|---|---|---|
| AutoGluon-Tabular | pelatihan dan validasi (opsional) | File | CSV | CPUatau GPU (hanya satu contoh) | Tidak |
| BlazingText | melatih | File atau Pipa | File teks (satu kalimat per baris dengan token yang dipisahkan spasi) | CPUatau GPU (hanya satu contoh) | Tidak |
| CatBoost | pelatihan dan validasi (opsional) | File | CSV | CPU(hanya satu contoh) | Tidak |
| Peramalan DeepAR | melatih dan (opsional) tes | File | JSONGaris atau Parket | CPUatau GPU | Ya |
| Mesin Faktorisasi | melatih dan (opsional) tes | File atau Pipa | Protobuf Recordio | CPU(GPUuntuk data padat) | Ya |
| Klasifikasi Gambar - MXNet | melatih dan validasi, (opsional) train_lst, validation_lst, dan model | File atau Pipa | RecorDo atau file gambar (.jpg atau.png) | GPU | Ya |
| Klasifikasi Gambar - TensorFlow | pelatihan dan validasi | File | file gambar (.jpg, .jpeg, atau .png) | CPUatau GPU | Ya (hanya di beberapa GPUs pada satu instance) |
| Wawasan IP | melatih dan (opsional) validasi | File | CSV | CPUatau GPU | Ya |
| K-Berarti | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPUatau GPUCommon (GPUperangkat tunggal pada satu atau beberapa contoh) | Tidak |
| K-Tetangga Terdekat (K-nn) | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPUatau GPU (GPUperangkat tunggal pada satu atau beberapa contoh) | Ya |
| LDA | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPU(hanya satu contoh) | Tidak |
| Cahaya GBM | pelatihan/pelatihan dan validasi (opsional) | File | CSV | CPU | Ya |
| Linear Learner | melatih dan (opsional) validasi, tes, atau keduanya | File atau Pipa | Recordio-protobuf atau CSV | CPUatau GPU | Ya |
| Model Topik Saraf | melatih dan (opsional) validasi, tes, atau keduanya | File atau Pipa | Recordio-protobuf atau CSV | CPUatau GPU | Ya |
| Object2Vec | melatih dan (opsional) validasi, tes, atau keduanya | File | JSONGaris | CPUatau GPU (hanya satu contoh) | Tidak |
| Deteksi Objek - MXNet | melatih dan validasi, (opsional) train_annotation, validation_annotation, dan model | File atau Pipa | RecorDo atau file gambar (.jpg atau.png) | GPU | Ya |
| Deteksi Objek - TensorFlow | pelatihan dan validasi | File | file gambar (.jpg, .jpeg, atau .png) | GPU | Ya (hanya di beberapa GPUs pada satu instance) |
| PCA | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPUatau GPU | Ya |
| Random Cut Forest | melatih dan (opsional) tes | File atau Pipa | Recordio-protobuf atau CSV | CPU | Ya |
| Segmentasi Semantik | melatih dan validasi, train_annotation, validation_annotation, dan (opsional) label_map dan model | File atau Pipa | File gambar | GPU(hanya satu contoh) | Tidak |
| Pemodelan Seq2Seq | melatih, validasi, dan vocab | File | Protobuf Recordio | GPU(hanya satu contoh) | Tidak |
| TabTransformer | pelatihan dan validasi (opsional) | File | CSV | CPUatau GPU (hanya satu contoh) | Tidak |
| Klasifikasi Teks - TensorFlow | pelatihan dan validasi | File | CSV | CPUatau GPU | Ya (hanya di beberapa GPUs pada satu instance) |
| XGBoost(0,90-1, 0,90-2, 1,0-1, 1,2-1, 1,2-21) | melatih dan (opsional) validasi | File atau Pipa | CSV, LibSVM, atau Parket | CPU(atau GPU untuk 1,2-1) | Ya |
Algoritma yang dapat diparalelkan dapat digunakan pada beberapa instance komputasi untuk pelatihan terdistribusi.
Topik berikut memberikan informasi tentang format data, jenis EC2 instans Amazon yang direkomendasikan, dan CloudWatch log yang umum untuk semua algoritme bawaan yang disediakan oleh Amazon SageMaker.
catatan
Untuk mencari image Docker dari algoritma bawaan URIs yang dikelola oleh SageMaker, lihat Docker Registry Paths and Example Code.
Topik
