Experiencia sencilla con Amazon SageMaker para entrenar un modelo
Vista previa del artículo:
Introducción a Amazon SageMaker
Amazon Web Services (AWS) es la plataforma en la nube más completa y ampliamente adoptada del mundo, que ofrece más de 200 servicios completos desde centros de datos de todo el mundo. Desde tecnologías de infraestructura como cómputo, almacenamiento y bases de datos, hasta tecnologías emergentes como aprendizaje automático, inteligencia artificial, lagos de datos y análisis e Internet de las cosas, Amazon SageMaker ofrece e incluye muchos más servicios que cualquier otro proveedor de servicios en la nube. Esto hace que sea más rápido, fácil y rentable migrar las aplicaciones existentes a la nube y crear casi cualquier cosa que pueda imaginar. Este artículo describirá brevemente cómo experimentar fácilmente que Amazon SageMaker entrena un modelo de aprendizaje automático.
actividades recientes
Preparación antes de la experiencia
1. Trate de asegurarse de tener suficiente tiempo. Este experimento tomará alrededor de 15 minutos.
2. Asegúrese de que su red sea estable.
3. Tranquilícese y no se apresure.
4. Cree una cuenta por adelantado (debe vincular un tarjeta bancaria, puede elegir comprarla) cuenta)
Aviso:
1. Si solicita y crea por error una instancia de notebook varias veces, existen restricciones para los usuarios gratuitos y aumentará la carga para la computadora.
2. Si no usa la instancia del cuaderno, debe suspenderla de inmediato. Algunos servicios tienen un cargo. ¡El costo del autor supera los 100 dólares estadounidenses debido a la activación aleatoria del servicio! !
texto
El primer paso (ingresar a la página de inicio)
1. Inicie sesión en la consola de administración de tecnología en la nube de Amazon a través del siguiente enlace: https://ap-northeast-1.console.aws.amazon.com/console/home?region=ap-northeast-1#home
page: 
este experimento se realizará en EE. UU. Este (Norte de Virginia) región us-east-1
2. Haga clic en Servicio -> Amazon SageMaker
3. Busque el cuaderno y seleccione la instancia del cuaderno
4. Haga clic en Crear instancia de cuaderno
El segundo paso (crear una instancia de notebook)
Manual de ejemplo de notebook: https://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/nbi.htm
Los lectores pueden crear de acuerdo con el manual o continuar siguiendo al autor paso a paso
1. Crear configuraciones relacionadas
de Sagemaker La configuración de la instancia es relativamente alta. Si desea una versión de prueba gratuita, seleccione t2.medium como el tipo (solo esta instancia es gratuita). Puede ser que la configuración sea relativamente alta, por lo que el tiempo del paquete gratuito será más corto que otros tipos EC2 es gratis El paquete es t2.micro, con 750 horas de tiempo de experiencia por mes, que se puede usar todo el tiempo dentro de un año. El resto de los cargos de la versión no son muy costosos, principalmente relacionados con el tiempo que usa, así que recuerde no cerrar ni eliminar 2.
Cree un rol de IAM
por defecto
3. Finalmente haga clic en Crear 4.
Espere cinco minutos (barra de estado Simplemente convierta de pendiente a en servicio)
PD: AWS tiene muchos servicios gratuitos. EC2, S3, RDS, etc., comúnmente utilizados, todos admiten un servicio gratuito limitado durante un año, y Sagemaker también tiene servicios de experiencia gratuitos. Sagemaker es la plataforma de capacitación de aprendizaje automático de AWS, que aloja Jupyter Notebook y ha incorporado muchos algoritmos de aprendizaje automático de uso común.
El tercer paso (modelo de entrenamiento)
1. Configure el kernel (seleccione conda_python3) y haga clic para abrir automáticamente jupyter
2.
Fuente de código de descarga de datos: use Amazon SageMaker para crear aplicaciones de aprendizaje automático
!wget -N https://archive.ics.uci.edu/ml/machine-learning-databases/00222/bank-additional.zip
!unzip -o bank-additional.zip
Nota: cada vez que copie un bloque de código, ejecútelo directamente después de pegarlo, y el siguiente cuadro de código ,aparecerá automáticamente para que lo
.
5. Ver entrenamiento (haga clic en Entrenamiento—>Tarea de entrenamiento)
Aquí puede ver la tarea de entrenamiento y puede ver más detalles (hora de inicio de la tarea, duración, hiperparámetros, conjunto de datos de entrenamiento, monitoreo de uso de recursos de la instancia, información de ubicación de salida del modelo) .
6. ¡Recuerde eliminar tareas de capacitación, eliminar cuadernos, etc. después de detener la instancia!
7. Compruebe si el consumo de costos es anormal
8. ¡Esta es la lección de sangre del autor! ! !
epílogo
La operación de este experimento no es muy difícil. Para hermanos mayores o lectores que están aprendiendo a entrenar modelos, puede leer el código en el manual en detalle. Para principiantes, está familiarizado principalmente con las habilidades de operación y uso de Amazon SageMaker. Amazon SageMaker tiene muchas otras funciones, como la creación de aplicaciones de análisis de opiniones detalladas y la creación rápida de aplicaciones AIGC basadas en el modelo Stable Diffusion.
Enlace didáctico 1: Cree una aplicación de análisis de opiniones detallada basada en Amazon SageMaker
Enlace didáctico 2: Basado en el modelo Stable Diffusion, construya rápidamente su primera aplicación AIGC
Enlace didáctico 3: Amazon Cloud Technology [Cloud Exploration Lab] Utilice Amazon SageMaker para crear máquinas Aprenda aplicaciones, cree aplicaciones de análisis de opiniones detalladas y cree rápidamente su primera aplicación AIGC basada en el modelo Stable Diffusion
Tutorial de enlace de reembolso 1: https://www.vpsgo.com/aws-refund-tutorial.html
Tutorial de reembolso 2: https://www.xiaohongshu.com/explore/6318c30c0000000012008d77
Finalmente, me gustaría agradecer a Amazon por proporcionar tal evento, así como la orientación y la enseñanza de th0ma bloggers , para que podamos experimentar la conveniencia que brindan los nuevos productos. Espero que todos los uu que aman aprender estén despiertos. ¡por día!