As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Informações comuns sobre algoritmos integrados
A tabela a seguir lista os parâmetros para cada um dos algoritmos fornecidos pela Amazon SageMaker.
| Nome do algoritmo | Nome do canal | Modo de entrada do treinamento | Tipo de arquivo | Classe de instância | Paralelizável |
|---|---|---|---|---|---|
| AutoGluon-Tabular | treinamento e (opcionalmente) validação | Arquivo | CSV | CPUou GPU (somente instância única) | Não |
| BlazingText | treinamento | Arquivo ou Pipe | Arquivo de texto (uma frase por linha com tokens separados por espaço) | CPUou GPU (somente instância única) | Não |
| CatBoost | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU(somente instância única) | Não |
| Previsão DeepAR | treinamento e (opcionalmente) teste | Arquivo | JSONLinhas ou parquet | CPUou GPU | Sim |
| Máquinas de fatoração | treinamento e (opcionalmente) teste | Arquivo ou Pipe | recordIO-protobuf | CPU(GPUpara dados densos) | Sim |
| Classificação de imagens - MXNet | treinamento e validação, (opcionalmente) train_lst, validation_lst e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Classificação de imagens - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | CPUou GPU | Sim (somente em vários GPUs em uma única instância) |
| IP Insights | treinamento e (opcionalmente) validação | Arquivo | CSV | CPUou GPU | Sim |
| K-Means | treinamento e (opcionalmente) teste | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPUou GPUCommon (GPUdispositivo único em uma ou mais instâncias) | Não |
| K-Nearest-Neighbors (k-NN) | treinamento e (opcionalmente) teste | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPUou GPU (GPUdispositivo único em uma ou mais instâncias) | Sim |
| LDA | treinamento e (opcionalmente) teste | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPU(somente instância única) | Não |
| Luz GBM | treino/treinamento e (opcionalmente) validação | Arquivo | CSV | CPU | Sim |
| Aprendizagem linear | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPUou GPU | Sim |
| Modelo de tópico neural | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPUou GPU | Sim |
| Object2Vec | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo | JSONLinhas | CPUou GPU (somente instância única) | Não |
| Detecção de objetos - MXNet | treinamento e validação, (opcionalmente) train_annotation, validation_annotation e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Detecção de objetos - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | GPU | Sim (somente em vários GPUs em uma única instância) |
| PCA | treinamento e (opcionalmente) teste | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPUou GPU | Sim |
| Random Cut Forest | treinamento e (opcionalmente) teste | Arquivo ou Pipe | Recordio-protobuf ou CSV | CPU | Sim |
| Segmentação de semântica | treinamento e validação, train_annotation, validation_annotation e (opcionalmente) label_map e model | Arquivo ou Pipe | Arquivos de imagem | GPU(somente instância única) | Não |
| Modelagem Seq2Seq | treinamento, validação e vocabulário | Arquivo | recordIO-protobuf | GPU(somente instância única) | Não |
| TabTransformer | treinamento e (opcionalmente) validação | Arquivo | CSV | CPUou GPU (somente instância única) | Não |
| Classificação de texto - TensorFlow | treinamento e validação | Arquivo | CSV | CPUou GPU | Sim (somente em vários GPUs em uma única instância) |
| XGBoost(0,90-1, 0,90-2, 1,0-1, 1,2-1, 1,2-21) | treinamento e (opcionalmente) validação | Arquivo ou Pipe | CSV, Lib ou SVM Parquet | CPU(ou GPU para 1,2-1) | Sim |
Algoritmos que são paralelizáveis podem ser implantados em várias instâncias de computação para treinamento distribuído.
Os tópicos a seguir fornecem informações sobre formatos de dados, tipos de EC2 instância recomendados da Amazon e CloudWatch registros comuns a todos os algoritmos integrados fornecidos pela Amazon SageMaker.
nota
Para pesquisar a imagem do Docker URIs dos algoritmos integrados gerenciados por SageMaker, consulte Caminhos de registro do Docker e código de exemplo.
Tópicos
