传递多行输入以进行SageMaker预测
是指在使用亚马逊SageMaker进行机器学习模型预测时，需要传递多条数据作为输入，以获取相应的预测结果。
SageMaker是亚马逊AWS提供的一项托管式机器学习服务，它提供了一整套的工具和资源，方便开发者进行模型的训练、调优和部署。在进行预测时，可以通过API调用来传递多行输入数据。
为了进行多行输入的预测，可以使用以下步骤：
- 数据准备：将需要进行预测的多行输入数据进行整理和准备，通常可以使用CSV（逗号分隔值）或JSON（JavaScript对象表示法）格式进行数据的表示。
- 数据上传：将准备好的输入数据上传至亚马逊S3（简单存储服务）中，以便在SageMaker中进行使用。可以使用AWS SDK或者S3的管理控制台进行数据的上传。
- 模型部署：在SageMaker中部署机器学习模型，可以选择使用SageMaker内置的算法，或者使用自己训练的模型。部署成功后，将获得一个终端节点(endpoint)，用于接收输入数据并生成预测结果。
- 发起预测请求：通过调用SageMaker提供的API，将多行输入数据发送到终端节点进行预测。可以使用SDK、命令行界面或者编程语言中的HTTP请求库来进行API调用。
- 获取预测结果：预测请求发送成功后，SageMaker会将预测结果返回给调用者。可以根据需要进行结果的后续处理和分析。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/mlp）
- 腾讯云对象存储（COS）（https://cloud.tencent.com/product/cos）
- 腾讯云API网关（https://cloud.tencent.com/product/apigateway）
- 腾讯云函数计算（https://cloud.tencent.com/product/scf）
请注意，本回答中没有提及亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等流行的一些云计算品牌商，以符合问题要求。
相关·内容
1回答
我正在尝试将使用tensorflow训练的对象检测模型部署到sagemaker。在模型创建过程中，我能够在没有指定任何入口点的情况下部署它，但结果证明，这样做只适用于小尺寸的映像(Sagemaker有5MB的限制)。我用于此的代码如下：
from sagemaker.tensorflow.serving import Model
# Initialize model ...
model = Model(
model_data= s3_path_for_model,
role=sagemaker_role,
framework_version="1.14"
浏览 0提问于2019-12-17得票数 1
我使用了一个部署在SageMaker中的TF模型来进行预测。预测的输入是一个字符串数组。例如，我可以使用以下命令成功调用它：
input = {
'instances': ["Hello world"]
}
from sagemaker.tensorflow.model import TensorFlowPredictor
predictor = TensorFlowPredictor('endpoint-name', sagemaker_session)
predictor.predict(input)
但是，如果字符串数组中的字符串包含&
浏览 28提问于2020-02-27得票数 0
2回答
有没有人知道是否有任何SageMaker内置算法支持图像识别中的多目标检测？我在想一些像多标签图像训练和检测/推理之类的东西。
因此，我们能否：
a)使用多标签图像进行培训
和/或
b)从图像中推断多个对象(类似于AWS，但带有自定义标签和培训/传输学习)。
另外，我知道SageMaker图像分类算法的文档中说“将图像作为输入并将其分类为多个输出类别的one”。
任何建议也是受欢迎的。
浏览 1提问于2018-07-05得票数 0
回答已采纳
我正在使用SageMaker python sdk，并希望传入一些参数，以供我的入口点使用，我不知道如何做到这一点。 from sagemaker.sklearn.estimator import SKLearn # sagemaker python sdk
entrypoint = 'entrypoint_script.py'
sklearn = SKLearn(entry_point=entrypoint, # <-- need to pass args to this
train_instance_type=instan
浏览 21提问于2019-05-03得票数 5
回答已采纳
我已经在SageMaker端点上部署了一个深度学习模型，可以使用sagemaker_client.invoke_endpoint请求/获取答案。但是每个invoke_endpoint都接受单个主体。如何发送多个body才能在一次请求中得到多个结果？ 我尝试设置body='{"instances": [myData1, myData2]}'，但它将其识别为单字符串。 def sagemaker_handler(doc):
data = doc.encode("UTF-8")
response = sagemaker_client.
浏览 24提问于2019-01-17得票数 1
2回答
我通过sagemaker实现了机器学习算法。
我已经为.net安装了SDK，并通过执行下面的代码进行了尝试。
Uri sagemakerEndPointURI = new Uri("https://runtime.sagemaker.us-east-2.amazonaws.com/endpoints/MyEndpointName/invocations");
Amazon.SageMakerRuntime.Model.InvokeEndpointRequest request = new Amazon.SageMakerRuntime.Model.InvokeEndpointR
浏览 2提问于2018-01-21得票数 8
回答已采纳
1回答
我在亚马逊SageMaker中建立了这个模型，代码附在下面。现在，我希望能够将新数据上传到s3，并基于此模型获得预测，而不必每次都重新计算它。 sess = sagemaker.Session()
bucket = "innogy-bda-germany-dev-landing-dc3-retailpl"
prefix = "sagemaker/xgboost-upsell"
role = get_execution_role()
container = sagemaker.image_uris.retrieve("xgboost", boto
浏览 11提问于2021-09-07得票数 0
1回答
我用Tensorflow和Keras训练了我自己的模型，用于图像分类，我正在尝试在亚马逊的SageMaker中部署和使用它。我完成了将mymodel.h5文件转换为mymodel.tar.gz文件并将其移动到SageMaker S3桶的过程。然后，在一个教程之后，我使用以下方法创建了SageMaker模型：
from sagemaker.tensorflow.model import TensorFlowModel
sagemaker_model = TensorFlowModel(model_data = 's3://' + sagemaker_session.default
浏览 7提问于2022-04-08得票数 1
1回答
我创建了一个sagemaker对象检测训练作业和后续端点。我只有两节课。然而，当我尝试使用端点进行预测时，我在响应中得到了多行，如下所示：
{"prediction": [
[1.0, 0.632090151309967, 0.0, 0.003549516201019287, 1.0, 1.0],
[0.0, 0.4135304093360901, 0.0, 0.006693154573440552, 1.0, 0.9729366302490234],
[0.0, 0.018929673358798027, 0.0, 0.044431887567043304, 0.6495
浏览 0提问于2019-01-09得票数 0
我正在使用AWS Sagemaker部署在Sagemaker之外训练的语音模型。我能够将我的模型转换成Sagemaker能够理解的东西，并将其部署为端点。问题是Sagemaker直接加载模型并调用.predict来获得推理。我无法确定在已部署的模型中可以在何处添加预处理功能。建议使用AWS Lambda或其他服务器进行预处理。有没有办法在Sagemaker中加入复杂的预处理(不能通过简单的Scikit，Pandas之类的框架)？
浏览 20提问于2021-04-09得票数 1
我有一个经过训练的Tensorflow模型，它使用两个输入来进行预测。我已成功地在AWS Sagemaker上设置并部署了该模型。
from sagemaker.tensorflow.model import TensorFlowModel
sagemaker_model = TensorFlowModel(model_data='s3://' + sagemaker_session.default_bucket()
+ '/R2-model/R2-model.tar.gz',
浏览 0提问于2019-06-07得票数 1
我在亚马逊SageMaker上使用以下架构训练了一个TensorFlow模型： _, timesteps, features = X_train.shape
ACTIVATION = 'relu'
EPOCHS = 50
model = Sequential()
model.add(Masking(mask_value=np.nan, input_shape=(timesteps, features)))
model.add(LSTM(64, activation=ACTIVATION, return_sequences=True))
model.add(LSTM(64, a
浏览 11提问于2020-09-17得票数 0
1回答
我正在使用SageMaker管道来对测试数据进行推断。管道使用SKLearn预处理器和XGBoost模型。管道可以很好地处理没有ID列的数据。但是，当我尝试包含一个ID列来跟踪预测时，它失败了。我给出了下面的代码片段。
import sagemaker
from sagemaker.predictor import json_serializer, csv_serializer, json_deserializer
input_data_path = 's3://batch-transform/input-data/validation_data.csv'
output_da
浏览 17提问于2020-11-16得票数 1
回答已采纳
我正在尝试使用AWS集成从api网关调用sagemaker推理端点。我不想在API网关和sagemaker运行时之间使用lamdba。我按照这个doc来设置api网关方法，但它失败了。 如何从API网关调用sagemaker推理端点？ Web浏览器-> API网关-> Sagemaker端点
浏览 47提问于2019-02-14得票数 4
我想预测一些数据(假设国家的温度).Is有没有办法在deepAR中一次添加多个国家的温度(算法在AWS Sagemaker marketplace可用)，deepAR预测他们independently?.Is有可能删除一个特定的国家数据并在几天后添加另一个吗？ 我是新的预测，并想尝试deepAR.If任何人有arleady在这方面的工作，请提供我如何使用deepAR的一些指导方针 链接- https://docs.aws.amazon.com/sagemaker/latest/dg/deepar.html
浏览 23提问于2019-05-18得票数 1
1回答
我已经构建了一个组合使用自定义转换器(使用SKLearn转换器和XGBoost模型)的SageMaker管道。示例管道如下所示： from sagemaker.model import Model
from sagemaker.pipeline import PipelineModel
import boto3
from time import gmtime, strftime
timestamp_prefix = strftime("%Y-%m-%d-%H-%M-%S", gmtime())
scikit_learn_inferencee_model = sklearn
浏览 15提问于2020-11-02得票数 0
2回答
我正在尝试使用amazon sagemaker部署tensorflow keras模型。过程成功完成，但是当直接使用keras进行预测和调用sagemaker端点进行预测时，我得到了不同的预测结果。
我在将模型部署到sagemaker时使用了步骤。
检查下面的示例。
data = np.random.randn(1, 150, 150, 3)
# predict using amazon sagemaker
sagemaker_predict = uncompiled_predictor.predict(data)
print(sagemaker_predict)
#predict sam
浏览 1提问于2021-07-31得票数 1
我希望使SageMaker中的服务端点可以使用一些超参数。培训实例可以使用以下超级参数访问输入参数：
estimator = TensorFlow(entry_point='autocat.py',
role=role,
output_path=params['output_path'],
code_location=params['code_location'],
浏览 0提问于2018-03-22得票数 1
回答已采纳
1回答
所以我得到了一个带有形状的EEG数据集(数据点，19)，每一行的形状(1,19)代表1秒的EEG。
我读到了许多关于脑电分类的研究，这些研究采用了多种深度学习方法，而一维CNN就是其中之一。
我的问题是，对于我的数据集，1D-CNN的输入必须有多行数据，例如(50,19)，这样它就可以过滤输入矩阵。但是我想逐行预测新数据((1x19)形状)，1D-CNN能用这个输入来预测新数据吗？
浏览 0提问于2020-06-22得票数 0
回答已采纳
我在AWS Sagemaker中创建了一个scikit学习模型端点。我想使用这个端点对我的测试集进行预测。我的端点创建代码如下所示
predictor = sklearn.deploy(1, 'ml.m4.xlarge')
from sagemaker.predictor import csv_serializer
predictor.content_type = 'text/csv'
predictor.serializer = csv_serializer
predictor.deserializer = None
ValueError: Expected
浏览 0提问于2019-12-08得票数 0
我有一个内置在TensorFlow中的自定义模型。我正尝试在amazon sagemaker上部署此模型以进行推断。该模型接受三个输入，并给出五个输出。输入的名称为： 1. input_image
2. input_image_meta
3. input_anchors 输出的名称为： 1 output_detections
2 output_mrcnn_class
3 output_mrcnn_bbox
4 output_mrcnn_mask
5 output_rois 我已经成功地在sagemaker上创建了模型端点，当我试图访问结果请求时
浏览 49提问于2019-08-31得票数 2
我正在构建一个Sagemaker批处理推理管道，对使用sagemaker.sklearn.processing.SKLearnProcessor和sagemaker.sklearn.estimator.SKLearn处理特性的选项(在推断之前)感到困惑--我对这两个选项的理解是：
aws中有一些文档使用sagemaker.sklearn.estimator.SKLearn进行批处理转换来处理数据。使用该类及其.create_model()方法的优点是，我可以将创建的模型(在推断之前处理特性)合并到部署在端点上的sagemaker.pipeline.PipelineModel中。因此，当推理请求
浏览 13提问于2022-09-25得票数 -1
回答已采纳
因此，我尝试使用我在SageMaker Studio中使用自动驾驶创建的模型，但我不断收到不同的错误。最终，我希望它是简单的；获取一个数据帧并使用该数据帧预测输出(显然是熊猫)。这是我到目前为止所得到的错误。 import sagemaker, boto3, os
bucket = sagemaker.Session().default_bucket()
model = sagemaker.predictor.Predictor('Predict-Low', sagemaker_session=sagemaker.Session())
df = pd.read_csv(&
浏览 21提问于2021-07-28得票数 1
假设我在Sagemaker中有一个经过训练的模型。它不是AWS预建模型。此模型将由用户访问，用户将把输入数据传递到其推理服务器端点，结果必须显示在仪表板中。
第一个问题: Quicksight作为前端对此有用吗？是否可以创建要由用户填写的字段？我知道像Tableau这样的一些BI工具不允许用户插入新数据。Quicksight允许这样做吗？
第二个问题:一些允许这样做的BI工具？或者这个特殊的案例没有被任何人覆盖？我是否需要转到前端开发，比如Flask？
浏览 18提问于2021-05-27得票数 1
我们正在使用SageMaker批处理转换作业，并将尽可能多的记录放入一个小型批处理中，以适应MaxPayloadInMB限制，我们将BatchStrategy设置为MultiRecord，将SplitType设置为Line。
SageMaker批处理转换作业的输入是：
{"requestBody": {"data": {"Age": 90, "Experience": 26, "Income": 30, "Family": 3, "CCAvg": 1}}, "mName
浏览 1提问于2022-01-28得票数 0
回答已采纳
我正在使用Sagemaker，特别是DeepAR映像来训练一个模型，并给出训练和测试集作为fit函数的输入。示例代码：
image_name = sagemaker.amazon.amazon_estimator.get_image_uri(region, "forecasting-deepar", "latest")
estimator = sagemaker.estimator.Estimator(
sagemaker_session=sagemaker_session,
image_name=image_name,
role=rol
浏览 2提问于2019-12-25得票数 0
SageMaker Neo (SageMaker编译作业)是否使用任何技术进行模型优化？是否使用任何压缩技术(蒸馏、量化等)来缩小模型尺寸？
我在这里找到了一些关于量化的描述()，但还不清楚如何使用它。
非常感谢你的洞察力。
浏览 6提问于2022-09-20得票数 1
回答已采纳
我已经训练了一个Sagemaker XGBoost模型，并从S3下载了model.tar.gz文件到我的本地机器上。如何使用flask加载此模型以进行部署？ 我尝试使用pickle加载解压后的模型文件，但似乎不起作用。 import sagemaker
import boto3
import os
import pickle
with open('xgboost-model', 'r') as inp:
cls.model = pkl.load(inp) 回溯(最近一次调用)：文件""，第2行，文件"C:\Anaconda3\l
浏览 23提问于2019-01-10得票数 2
我正在尝试将一个经过学习训练的模型部署到端点，并将其作为预测的API。我想要使用的只是使用joblib序列化的部署和服务器模型，仅此而已。我读过的每一个博客和sagemaker文档都显示，sklearn模型必须经过关于sagemaker的培训，才能部署到sagemaker中。
在阅读SageMaker文档时，我了解到sagemaker确实允许用户将存储在S3中，如下所示：
def model_fn(model_dir):
clf = joblib.load(os.path.join(model_dir, "model.joblib"))
return clf
这
浏览 5提问于2020-12-06得票数 3
回答已采纳
我对萨格梅克很陌生。我已经部署了我训练有素的模型在tensorflow使用Json和重量文件。但奇怪的是，在我的笔记本里，我没有看到它写着“终结点成功建造”。只显示了以下情况：
--------------------------------------------------------------------------------!
相反，我从控制台中找到了端点号。
import sagemaker
from sagemaker.tensorflow.model import TensorFlowModel
predictor=sagemaker.tensorflow.m
浏览 2提问于2019-04-28得票数 0
回答已采纳
在我使用亚马逊网络服务SageMaker训练和部署了模型之后，我想在几个csv文件上对其进行评估：
- category-1-eval.csv (~700000 records)
- category-2-eval.csv (~500000 records)
- category-3-eval.csv (~800000 records)
...
正确的方法是使用方法，因为它很快。
问题是-我找不到将SageMaker模型恢复到Tensorflow Estimator中的方法，有可能吗？
我曾尝试恢复一个模型，如下所示：
tf.estimator.DNNClassifier(
featu
浏览 17提问于2019-07-08得票数 0
回答已采纳
我正在尝试使用亚马逊网络服务SageMaker中的k-means算法创建一个无监督机器学习模型。当调用kmeans predictor预测方法时，我得到了一个413请求实体太大的错误。是什么导致了这样的错误？我已经搜索过了，大多数回复都谈到了Elastic Beanstalk和nginx设置，这并不适用于我的情况。 相关的代码和错误可以在下面看到，我的整个Jupyter Notebook可以在(https://github.com/bgaber/machine-learning-recommendation-engine-with-aws-sagemaker/blob/main/imdb-m
浏览 43提问于2020-11-17得票数 1
2回答
我试图使用一个自定义的Docker映像运行一个培训任务，如下所示：
FROM 683313688378.dkr.ecr.us-east-1.amazonaws.com/sagemaker-scikit-learn:0.20.0-cpu-py3
RUN pip install -U spacy boto3
RUN python -m spacy download en_core_web_sm
我用这个创造了培训工作：
import boto3
import sagemaker
from sagemaker import get_execution_role
container_uri =
浏览 3提问于2022-10-06得票数 0
回答已采纳
我使用的是sagemaker批处理转换，带有json输入文件。有关输入/输出文件的示例，请参见下面。下面有自定义推理代码，我使用json.dumps返回预测，但它没有返回json。我尝试使用=> "DataProcessing"：{"JoinSource"："string"，}来匹配输入和输出。但我的错误是“不能马歇尔.”。我认为，因为output_fn返回的是列表数组，或者仅仅是列表，而不是json，这就是为什么它无法将输入与output.any建议相匹配的原因是如何返回数据？
推理码
def model_fn(model_dir):
.
浏览 10提问于2022-05-28得票数 0
回答已采纳
我正在使用keras运行一项培训工作。整个代码的计算量很大，它应该训练的图像数量的大小约为30 be。训练图像存储在Google存储上。我已经为我的训练脚本创建了一个docker容器，每个容器都根据计划工作得很好。我注意到镜像正在被复制到正在分配的VM中，并且将镜像从Google存储复制到训练任务需要大约一个半小时。这增加了训练时间，不适合我，因为图像的数量每周至少增加1 1GB。我之前在亚马逊网络服务的培训工作中工作过，这给了我一个从S3到Sagemaker培训工作的文件传输选项，在那里输入可以‘管道’到培训工作中。google cloud中是否有类似的服务，或者是否有更好的解决方案，而不是
浏览 5提问于2020-02-25得票数 1
1回答
我在本地模式下从估计器中部署了一个模型，当试图使用gRPC调用Tensorflow服务(TFS)预测端点时，我得到了以下错误：
grpc._channel._InactiveRpcError: <_InactiveRpcError of RPC that terminated with:
status = StatusCode.UNAVAILABLE
details = "failed to connect to all addresses"
我正在执行gRPC请求，就像在这个中一样
import grpc from tensorflow.compat.v1
impor
浏览 26提问于2022-10-18得票数 0
回答已采纳
1回答
我用SageMaker的AWS内建算法训练了二元分类模型，并希望利用模糊矩阵对模型进行评价。然而，我看到SageMaker的培训和HyperTuner工作只是接受准确性度量。
是否有一种在SageMaker中为内置图像分类算法添加自定义度量的方法?据我所知，对于二进制分类器来说是很好的度量标准，为什么在AWS内置的图像分类算法中缺少这些度量？是否有一种方法可以对我的测试数据进行批量转换，并获得这些度量来评估模型的准确性？是否适合于评估？
浏览 1提问于2020-09-13得票数 1
我正在使用aws sagemaker进行逻辑回归。为了验证测试数据上的模型，使用了以下代码
runtime= boto3.client('runtime.sagemaker')
payload = np2csv(test_X)
response = runtime.invoke_endpoint(EndpointName=linear_endpoint,
ContentType='text/csv',
Body=paylo
浏览 9提问于2018-08-11得票数 3
使用Python Sagemaker SDK，可以使用以下代码使用TensorFlow启动训练作业： import sagemaker
from sagemaker.tensorflow import TensorFlow
sess = sagemaker.Session()
tf_estimator = TensorFlow(...)
tf_estimator.fit(...) 是否可以在此脚本中的某处指定训练的最大运行时间？
浏览 18提问于2020-06-16得票数 1
我一直在玩Amazon Sagemaker。他们在不同的领域都有令人惊叹的笔记本样本。但是，出于测试目的，我想创建一个从函数返回结果的端点。据我目前所见，我的理解是我们只能部署模型，但我想澄清这一点。
假设我想调用端点，它应该给出输入值的平方。因此，我将首先创建一个函数：
def my_square(x):
return x**2
我们可以在Amazon Sagemaker中部署这个简单的功能吗？
浏览 8提问于2018-08-13得票数 3
回答已采纳
我已经使用内置的线性学习算法训练了一个亚马逊网络服务SageMaker模型。我可以从S3下载经过训练的模型工件(model.tar.gz)。
如何在独立于AWS的本地环境中部署模型，以便在没有互联网接入的情况下进行预测和推断呼叫？
浏览 6提问于2018-08-10得票数 0
1回答
我想部署一个实时预测机器学习模型，用于使用sagemaker进行欺诈检测。
我使用sagemaker jupyter实例：
-load my training data from s3 contains transactions
-preprocessing data and features engineering (i use category_encoders to encode the categorical value)
-training the model and configure the endpoint
对于推断步骤，我使用了一个lambda函数，该函数调用我的端点来获得每
浏览 6提问于2021-05-07得票数 0
1回答
aws文档中提供的示例说明输入的csv可以像下面的样例那样构造。我注意到在sagemaker的批处理作业中，它也可以接受json。如何构造json，每条记录是否需要如csv示例所示的单行，还是可以是多行的？
Record1-Attribute1, Record1-Attribute2, Record1-Attribute3, ..., Record1-AttributeM
...
浏览 4提问于2022-04-05得票数 0
我试图使用SageMaker使用自己的病态学习ML模型，并使用github示例。
python代码如下：
# Define IAM role import boto3
import re
import os
import numpy as np
import pandas as pd
from sagemaker import get_execution_role
import sagemaker as sage from time
import gmtime, strftime
role = get_execution_role()
ess = sage.Session(
浏览 1提问于2018-04-24得票数 1
回答已采纳
我对AWS和Sagemaker相当陌生，并决定学习一些亚马逊必须熟悉的教程。我一直在关注这个()，我意识到这是一个使用v1的老教程。我已经能够查找并更改本教程在v2中工作所需的任何内容，但由于将培训数据存储在S3桶中以部署模型，我陷入了困境。
import io
import sagemaker.amazon.common as smac
print('train_features shape = ', predictions.shape)
print('train_labels shape = ', labels.shape)
buf = io.BytesI
浏览 3提问于2021-06-06得票数 0
回答已采纳
我在寻找LDA和NTM之间的区别。您将在NTM上使用LDA的用例是什么？
根据AWS文档：
SageMaker潜在Dirichlet分配算法( LDA )是一种无监督学习算法，它试图将一组观测数据描述为不同类别的混合。LDA最常用于发现文本语料库中文档所共享的特定数量的主题。
虽然您可以同时使用Amazon和SageMaker算法进行主题建模，但它们是不同的算法，可以在相同的输入数据上产生不同的结果。
浏览 5提问于2019-11-29得票数 5
1回答
目前，我正在用SageMaker在AWS上运行一个概念的快速机器学习示例，我遇到了两个库：sagemaker和sagemaker_pyspark。我想处理分布式数据。我的问题是：
使用sagemaker是否等同于在不利用AWS的分布式计算能力的情况下运行培训任务？如果不是，我想如果不是，他们为什么要实现sagemaker_pyspark？基于这个假设，我不明白在scikit-learn笔记本上使用SageMaker (在计算能力方面)会提供什么。
对于一个小的测试数据集，像model = xgboost_estimator.fit(training_data)这样的东西使用sa
浏览 2提问于2021-03-26得票数 1
回答已采纳
我已经为时间序列预测创建了一个ARIMA模型，并希望部署它以便在API端点使用它。但是我无法找到在亚马逊网络服务SageMaker上部署它的方法，我如何部署它。我不想使用DeepAR。或者，有没有办法在SageMaker上部署pickle文件？
浏览 72提问于2021-09-20得票数 1
回答已采纳
使用在xgboost模型中构建的Sagemaker，我能够在培训和验证数据上对模型进行拟合，并成功地将其部署为端点。
# Creating deployable object of the model
predictor = estimator.deploy(initial_instance_count = 1,
instance_type = 'ml.m4.xlarge',
endpoint_name = 'endpoint')
# Setup b
浏览 1提问于2021-02-02得票数 1
使用Python Sagemaker SDK，用户可以使用TensorFlow启动训练作业，并使用以下代码指定S3存储桶，其中的结果应放在属性model_dir上
import sagemaker
from sagemaker.tensorflow import TensorFlow
sess = sagemaker.Session()
tf_estimator = TensorFlow(model_dir='s3://bucket_name', ...)
tf_estimator.fit(...)
然而，训练完成后，我可以在默认的Sagemaker存储桶上看到输出，但在指定
浏览 2提问于2020-06-17得票数 0
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
