기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
기본 제공 알고리즘의 파라미터
다음 표에는 Amazon SageMaker AI에서 제공하는 각 알고리즘의 파라미터가 나열되어 있습니다.
| 알고리즘 이름 | 채널 이름 | 훈련 입력 모드 | 파일 유형 | 인스턴스 클래스 | 병렬화 가능 |
|---|---|---|---|---|---|
| AutoGluon-Tabular | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU 또는 GPU(단일 인스턴스 전용) | No |
| BlazingText | train | 파일 또는 파이프 | 텍스트 파일(행당 공백으로 분류된 토큰이 포함된 하나의 문장) | CPU 또는 GPU(단일 인스턴스 전용) | No |
| CatBoost | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU(단일 인스턴스 전용) | No |
| DeepAR Forecasting | train 및 (선택 사항) test | 파일 | JSON 라인 또는 Parquet | CPU 또는 GPU | 예 |
| Factorization Machines | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf | CPU(밀집 데이터의 경우 GPU) | 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) | CPU 또는 GPU | 예(단일 인스턴스의 여러 GPU에서만 가능) |
| IP Insights | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU 또는 GPU | 예 |
| K-Means | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU 또는 GPUCommon(하나 이상의 인스턴스에 대한 단일 GPU 디바이스) | No |
| K-Nearest-Neighbors(k-NN) | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU 또는 GPU(하나 이상의 인스턴스에 대한 단일 GPU 디바이스) | 예 |
| LDA | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU(단일 인스턴스 전용) | No |
| LightGBM | 훈련/훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU | 예 |
| Linear Learner | train 및 (선택 사항) validation, test 또는 모두 | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU 또는 GPU | 예 |
| Neural Topic Model | train 및 (선택 사항) validation, test 또는 모두 | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU 또는 GPU | 예 |
| Object2Vec | train 및 (선택 사항) validation, test 또는 모두 | 파일 | JSON Lines | CPU 또는 GPU(단일 인스턴스 전용) | No |
| 객체 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 |
| 객체 감지 - TensorFlow | 훈련 및 검증 | 파일 | 이미지 파일(.jpg, .jpeg 또는.png) | GPU | 예(단일 인스턴스의 여러 GPU에서만 가능) |
| PCA | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 또는 CSV | CPU 또는 GPU | 예 |
| Random Cut Forest | train 및 (선택 사항) test | 파일 또는 파이프 | recordIO-protobuf 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 인스턴스 전용) | No |
| Seq2Seq Modeling | train, validation 및 vocab | 파일 | recordIO-protobuf | GPU(단일 인스턴스 전용) | No |
| TabTransformer | 훈련 및 (선택적으로) 검증 | 파일 | CSV | CPU 또는 GPU(단일 인스턴스 전용) | No |
| 텍스트 분류 - TensorFlow | 훈련 및 검증 | 파일 | CSV | CPU 또는 GPU | 예(단일 인스턴스의 여러 GPU에서만 가능) |
| XGBoost(0.90-1, 0.90-2, 1.0-1, 1.2-1, 1.2-21) | 훈련 및 (선택적으로) 검증 | 파일 또는 파이프 | CSV, LibSVM, Parquet | CPU(또는 1.2-1의 경우 GPU) | 예 |
병렬화할 수 있는 알고리즘은 분산 훈련을 위해 여러 컴퓨팅 인스턴스에 배포할 수 있습니다.
다음 주제에서는 Amazon SageMaker AI에서 제공하는 모든 기본 제공 알고리즘에 공통적인 데이터 형식, 권장 Amazon EC2 인스턴스 유형 및 CloudWatch 로그에 대한 정보를 제공합니다.
참고
SageMaker AI에서 관리하는 기본 제공 알고리즘의 Docker 이미지 URIs를 조회하려면 Docker 레지스트리 경로 및 예제 코드를 참조하세요.
