问如何在AWS SageMaker中加载培训集来构建模型？

EN

亚马逊SageMaker是多个服务的组合，每个服务都是独立于其他服务的。如果您想在熟悉的木星环境中开发模型，可以使用笔记本实例。但是，如果只是需要培训一个模型，你可以使用培训工作，而不打开一个笔记本实例。

有几种启动培训工作的方法：

• 使用Python的高级SDK，类似于您在python代码中开始培训步骤的方式。

kmeans.fit(kmeans.record_set(train_set[0]))

下面是到python库的链接：https://github.com/aws/sagemaker-python-sdk

• 使用低级API创建培训作业，您可以使用各种SDK (Java、Python、JavaScript、C#.)或者是中情局。

sagemaker = boto3.client('sagemaker') sagemaker.create_training_job(**create_training_params)

下面是指向这些选项的文档的链接：https://docs.aws.amazon.com/sagemaker/latest/dg/ex1-train-model-create-training-job.html

• 使用火花接口启动它，使用与创建MLLib培训作业类似的接口

val estimator = new KMeansSageMakerEstimator( sagemakerRole = IAMRole(roleArn), trainingInstanceType = "ml.p2.xlarge", trainingInstanceCount = 1, endpointInstanceType = "ml.c4.xlarge", endpointInitialInstanceCount = 1) .setK(10).setFeatureDim(784)

val model = estimator.fit(trainingData)

下面是一个指向星火制造者库的链接：https://github.com/aws/sagemaker-spark

• 在Amazon控制台中使用向导创建一个培训作业: SageMaker

请注意，也有一些选择来训练模型，无论是使用内置算法，如K-均值，线性学习或XGBoost (见这里的完整列表：https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html)。但是，您也可以为预焙码头映像(如TensorFlow (https://docs.aws.amazon.com/sagemaker/latest/dg/tf.html)或MXNet (https://docs.aws.amazon.com/sagemaker/latest/dg/mxnet.html)、您自己的Docker映像(https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo.html) )带来您自己的模型。