亚马逊SageMaker为云开发人员提供机器学习服务

机器学习服务有望成为未来几年云计算供应商最具竞争力的领域之一。SageMaker推出了一项新服务,该服务可以帮助亚马逊网络服务客户构建和培训机器学习模型,在11月举行的Invent 2017大会上,AWS在周一这个服务的运作方式进行了说明。亚马逊CTO Werner Vogels 在博客文章中解释了如何设计Amazon SageMaker,以便在客户数据到达时与客户数据进行扩展,而不是在一堆固定的数据上训练机器学习模型。许多对潜在的机器学习应用感兴趣的公司都有根据一天中的时间或用户活动迅速改变的数据集。对于这些客户等等,数据概念不存在,这不是静态的。数据始终保持累积。“sagemakerphases.png (69.31 KB, 下载次数: 0)下载附件2018-3-20 15:10 上传SageMaker设计用于根据AWS客户的应用程序生成的数据量进行扩展,使用Vogels所谓的“流式计算模型”来限制培训模型可用的内存量 - 确保算法不会崩溃,因为它可能会如果它试图在内存中扩展 - 同时扩展计算资源以处理培训过程。Vogels写道,在AWS等大规模计算基础架构上扩展计算资源会更容易,并且流式算法也可以从其他机器学习培训算法获取更多来源的数据。流式算法可以无限扩展,因为它们可以消耗任何数量的数据。换句话说,处理第10千兆字节和第1000千兆字节在概念上是相同的。Vogels还讨论了Amazon SageMaker如何使用容器在其计算网络中传播机器学习工作负载,从而提高这些模型的培训速度。这也允许模型在使用CPU或GPU(图形处理单元)之间来回移动,具体取决于对特定模型最有意义的内容。在云供应商之间进行比较很难,但Google的云计算机学习服务似乎以类似的方式构建。“(该服务)具有托管服务的优势,可用于构建基于TensorFlow的机器学习模型,可与任何类型的数据进行交互,无论任何规模,” 该公司称。谷歌通常被认为是基于云的人工智能服务的领导者(尽管AWS和微软肯定会争辩这一点),今年早些时候还推出了Cloud AutoML,以便根据数据集的性质自动生成机器学习模型。

热门新闻

最新新闻