Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Prodotti per l'apprendimento automatico
In qualità di venditore, puoi utilizzarli Marketplace AWS per creare algoritmi e modelli di machine learning (ML) che i tuoi acquirenti possono utilizzare. AWS Esistono due tipi di SageMaker prodotti Amazon elencati in Marketplace AWS:
- Pacchetto modello
-
Un modello pre-addestrato per fare previsioni che non richiede alcuna ulteriore formazione da parte dell'acquirente.
- Algoritmo
-
Un modello che richiede all'acquirente di fornire dati di formazione prima di formulare previsioni. L'algoritmo di addestramento è incluso.
Questi prodotti sono disponibili per gli acquirenti tramite la SageMaker console Amazon o Marketplace AWS. Gli acquirenti possono consultare le descrizioni dei prodotti, la documentazione, le recensioni dei clienti, i prezzi e le informazioni di assistenza. Quando sottoscrivono un abbonamento a un prodotto con pacchetto modello o a un prodotto basato su algoritmi, il prodotto viene aggiunto all'elenco dei prodotti sulla SageMaker console. Gli acquirenti possono anche utilizzare gli AWS SDK, il AWS Command Line Interface (AWS CLI) o la SageMaker console per creare un endpoint di inferenza REST completamente gestito o eseguire inferenze su batch di dati.
Per ricevere assistenza nella creazione di prodotti di machine learning con Amazon SageMaker, contatta il team operativo del Marketplace AWS venditore
Guida introduttiva ai prodotti di apprendimento automatico
Marketplace AWS supporta due tipi di prodotti di machine learning, utilizzando Amazon SageMaker. Entrambi i tipi, i prodotti del pacchetto modello e i prodotti algoritmici, producono un modello di inferenza implementabile per fare previsioni.
SageMaker pacchetto modello
Un prodotto Amazon SageMaker Model Package contiene un modello pre-addestrato. I modelli preaddestrati possono essere implementati SageMaker per fare inferenze o previsioni in tempo reale o in batch. Questo prodotto contiene un componente di inferenza addestrato con eventuali artefatti del modello. In qualità di venditore, puoi addestrare un modello utilizzando SageMaker o portare il tuo modello.
SageMaker algoritmo
Gli acquirenti possono utilizzare un prodotto SageMakeralgoritmico per eseguire carichi di lavoro completi di machine learning. Un prodotto algoritmico ha due componenti logici: addestramento e inferenza. Nel SageMaker, gli acquirenti utilizzano i propri set di dati per creare un lavoro di formazione con il componente di formazione. Quando l'algoritmo del componente di addestramento viene completato, genera gli artefatti del modello di apprendimento automatico. SageMaker salva gli artefatti del modello nel bucket Amazon Simple Storage Service (Amazon S3) degli acquirenti. In SageMaker, gli acquirenti possono quindi implementare il componente di inferenza insieme agli artefatti del modello generati per eseguire inferenze (o previsioni) in tempo reale o in batch.
Implementazione di un modello di inferenza
Indipendentemente dal fatto che il modello di inferenza venga creato da un pacchetto di modelli o da un algoritmo, esistono due metodi per implementarlo:
-
Endpoint: questo metodo viene utilizzato SageMaker per distribuire il modello e creare un endpoint API. L'acquirente può utilizzare questo endpoint come parte del proprio servizio di backend per potenziare le proprie applicazioni. Quando i dati vengono inviati all'endpoint, li SageMaker passa al contenitore del modello e restituisce i risultati in una risposta API. L'endpoint e il contenitore continuano a funzionare finché non vengono fermati dall'acquirente.
Nota
Nel Marketplace AWS, il metodo degli endpoint viene definito inferenza in tempo reale e nella SageMaker documentazione viene definito servizi di hosting. Per ulteriori informazioni, consulta Deploy a Model in Amazon SageMaker.
-
Processo di trasformazione in batch: con questo metodo, un acquirente archivia i set di dati per l'inferenza in Amazon S3. All'avvio del processo di trasformazione in batch, SageMaker distribuisce il modello, passa i dati da un bucket S3 al contenitore del modello e quindi restituisce i risultati a un bucket S3. Al termine del processo, interrompe il processo. SageMaker Per ulteriori informazioni, consulta Ottenere inferenze per un intero set di dati con Batch Transform.
Nota
Entrambi i metodi sono trasparenti per il modello perché SageMaker passano i dati al modello e restituiscono i risultati all'acquirente.
