기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
기본 제공 알고리즘에 대한 일반 정보
다음 표에는 Amazon에서 제공하는 각 알고리즘의 파라미터가 나열되어 SageMaker 있습니다.
| 알고리즘 이름 | 채널 이름 | 훈련 입력 모드 | 파일 유형 | 인스턴스 클래스 | 병렬화 가능 |
|---|---|---|---|---|---|
| AutoGluon-표 형식 | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU또는 GPU (단일 인스턴스만 해당) | 아니요 |
| BlazingText | train | 파일 또는 파이프 | 텍스트 파일(행당 공백으로 분류된 토큰이 포함된 하나의 문장) | CPU또는 GPU (단일 인스턴스만 해당) | 아니요 |
| CatBoost | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU(단일 인스턴스만 해당) | 아니요 |
| DeepAR Forecasting | train 및 (선택 사항) test | 파일 | JSON라인 또는 파켓 | CPU또는 GPU | 예 |
| Factorization Machines | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf | CPU(고밀도 GPU 데이터용) | 예 |
| 이미지 분류 - MXNet | train 및 validation, (선택 사항) train_lst, validation_lst 및 model | 파일 또는 파이프 | recordIO 또는 이미지 파일(.jpg 또는 .png) | GPU | 예 |
| 이미지 분류 - TensorFlow | 훈련 및 검증 | 파일 | 이미지 파일(.jpg, .jpeg 또는.png) | CPU또는 GPU | 예 (단일 인스턴스의 여러 GPUs 인스턴스에 한함) |
| IP Insights | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU또는 GPU | 예 |
| K-Means | train 및 (선택 사항) test | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU또는 GPUCommon (하나 이상의 인스턴스에 단일 GPU 장치 탑재) | 아니요 |
| K-Nearest-Neighbors(k-NN) | train 및 (선택 사항) test | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU또는 GPU (하나 이상의 인스턴스에 단일 GPU 장치 탑재) | 예 |
| LDA | train 및 (선택 사항) test | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU(단일 인스턴스만 해당) | 아니요 |
| 라이트 GBM | 훈련/훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU | 예 |
| Linear Learner | train 및 (선택 사항) validation, test 또는 모두 | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU또는 GPU | 예 |
| Neural Topic Model | train 및 (선택 사항) validation, test 또는 모두 | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU또는 GPU | 예 |
| Object2Vec | train 및 (선택 사항) validation, test 또는 모두 | 파일 | JSON라인 | CPU또는 GPU (단일 인스턴스만 해당) | 아니요 |
| 물체 감지 - MXNet | train 및 validation, (선택 사항) train_annotation, validation_annotation 및 model | 파일 또는 파이프 | recordIO 또는 이미지 파일(.jpg 또는 .png) | GPU | 예 |
| 물체 감지 - TensorFlow | 훈련 및 검증 | 파일 | 이미지 파일(.jpg, .jpeg 또는.png) | GPU | 예 (단일 인스턴스의 여러 GPUs 인스턴스에 한함) |
| PCA | train 및 (선택 사항) test | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU또는 GPU | 예 |
| Random Cut Forest | train 및 (선택 사항) test | 파일 또는 파이프 | 레코디오-프로토버프 또는 CSV | CPU | 예 |
| 의미 체계 분할 | train 및 validation, train_annotation, validation_annotation, 및 (선택 사항) label_map 및 model | 파일 또는 파이프 | 이미지 파일 | GPU(단일 인스턴스만 해당) | 아니요 |
| Seq2Seq Modeling | train, validation 및 vocab | 파일 | recordIO-protobuf | GPU(단일 인스턴스만 해당) | 아니요 |
| TabTransformer | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU또는 GPU (단일 인스턴스만 해당) | 아니요 |
| 텍스트 분류 - TensorFlow | 훈련 및 검증 | 파일 | CSV | CPU또는 GPU | 예 (단일 인스턴스의 여러 GPUs 인스턴스에 한함) |
| XGBoost(0.90-1, 0.90-2, 1.0-1, 1.2-1, 1.2-21) | 훈련 및 (선택적으로) 검증 | 파일 또는 파이프 | CSVSVM, 라이브러리 또는 파켓 | CPU(또는 1.2-1의 GPU 경우) | 예 |
병렬화할 수 있는 알고리즘은 분산 훈련을 위해 여러 컴퓨팅 인스턴스에 배포할 수 있습니다.
다음 주제는 데이터 형식, 권장 Amazon EC2 인스턴스 유형, Amazon에서 제공하는 모든 내장 알고리즘에 공통적인 CloudWatch 로그에 대한 정보를 제공합니다 SageMaker.
참고
에서 관리하는 내장 URIs 알고리즘의 Docker 이미지를 찾아보려면 Docker 레지스트리 경로 및 예제 코드를 참조하십시오. SageMaker
