Amazon のプログラミングモデル SageMaker - Amazon SageMaker

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon のプログラミングモデル SageMaker

コードから直接API電話をかけるのは面倒で、リクエストを認証するためにコードを記述する必要があります。Amazon SageMaker では、次の代替手段が用意されています。

  • SageMaker コンソールを使用する – コンソールでは、コードを記述しません。コンソール UI を使用して、モデルトレーニングを開始したり、モデルをデプロイしたりします。このコンソールは、組み込みのトレーニングアルゴリズムを使用した、トレーニングデータを前処理する必要のない簡単なジョブに適しています。

     

  • Jupyter ノートブックの例を変更します。特定のアルゴリズムとデータセットを使用してモデルをトレーニングおよびデプロイするいくつかの Jupyter ノートブックSageMaker を提供します。適切なアルゴリズムを備えたノートブックから始め、データソースと特定のニーズに合わせてそれを変更します。

     

  • モデルトレーニングと推論コードをゼロから記述する – 複数の AWS SDK言語 (概要に記載) と Amazon SageMaker Python SDKSageMaker を提供します。Amazon Python は、コードでモデルトレーニングジョブを開始し、結果のモデルをデプロイするために使用できる高レベルの Python ライブラリです。

     

    • SageMaker Python SDK– この Python ライブラリは、モデルのトレーニングとデプロイを簡素化します。ライブラリは、リクエストを認証するだけでなく、簡単なメソッドとデフォルトのパラメータを提供することによって、プラットフォームの特質を抽象化します。例:

       

      • モデルをデプロイするには、deploy() メソッドを呼び出すだけです。メソッドは、 SageMaker モデルアーティファクト、エンドポイント設定を作成し、そのモデルをエンドポイントにデプロイします。

         

      • モデルトレーニングにカスタムフレームワークスクリプトを使用する場合は、fit() メソッドを呼び出します。このメソッドは、スクリプトの .gzip ファイルを作成し、それを Amazon S3 の場所にアップロードした後、モデルトレーニングやその他のタスク用に実行します。詳細については、「機械学習フレームワークと言語」を参照してください。

         

      • SageMaker Python によって行われた呼び出しのデフォルト SageMaker APIを設定するにはSDK、デフォルトの設定ディクショナリを使用します。詳細については、 SageMaker 「Python でのデフォルトの設定と使用SDK」を参照してください。

         

    • AWS SDKs - は、 に対応するメソッドSDKsを提供します ( SageMaker API「」を参照Operations）。を使用してSDKs、プログラムでモデルトレーニングジョブを開始し、 でモデルをホストします SageMaker。SDK クライアントは認証を処理するため、認証コードを記述する必要はありません。これらは、複数の言語とプラットフォームで利用できます。詳細については、概要の前述のリストを参照してください。

       

    ではAmazon のセットアップガイド SageMaker、 が提供するアルゴリズムを使用してモデルをトレーニングおよびデプロイします SageMaker。この演習ではこれらの両方のライブラリを使用する方法を示しています。詳細については、「Amazon のセットアップガイド SageMaker」を参照してください。

     

  • Apache Spark ワークフロー SageMaker に統合 – Apache Spark APIsから を呼び出すためのライブラリSageMaker を提供します。これにより、Apache Spark パイプラインで SageMakerベースの推定器を使用できます。詳細については、「Amazon を使用した Apache Spark SageMaker」を参照してください。