amazon-web-services - 亚马逊机器学习和 SageMaker 算法

Question

1) 根据http://docs.aws.amazon.com/machine-learning/latest/dg/learning-algorithm.html Amazon ML 使用 SGD。但是我找不到神经网络中使用了多少隐藏层？

2) 有人可以确认 SageMaker 能够做 Amazon ML 所做的事情吗？即 SageMaker 比 Amazon ML 更强大？

Answer 1

我不确定 Amazon ML，但 SageMaker 使用此处列出的 docker 容器进行内置培训：https ://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-algo-docker-registry-paths .html

因此，一般而言，您可以使用 Amazon ML 执行的任何操作都应该可以使用 SageMaker 执行（尽管 Amazon ML 有一个非常棒的模式编辑器）。

您可以查看这些容器中的每一个，以深入了解它们是如何工作的。

您可以在此处找到 SageMaker 中可用算法的详尽列表： https ://docs.aws.amazon.com/sagemaker/latest/dg/algos.html

目前，截至 2017 年 12 月，这些算法都可用：

• 线性学习器
• 因式分解机
• XGBoost 算法
• 图像分类算法
• Amazon SageMaker Sequence2Sequence
• K-Means 算法
• 主成分分析 (PCA)
• 潜在狄利克雷分配 (LDA)
• 神经主题模型 (NTM)

这些算法的通用 SageMaker SDK 接口如下所示：

from sagemaker import KMeans
kmeans = KMeans(role="SageMakerRole",
                train_instance_count=2,
                train_instance_type='ml.c4.8xlarge',
                data_location="s3://training_data/",
                output_path="s3://model_artifacts/",
                k=10)

此处的库：https ://github.com/awslabs/amazon-sagemaker-examples 和此处的库： https ://github.com/aws/sagemaker-python-sdk对于使用 SageMaker 特别有用。

您还可以在此处使用 Spark 与 SageMaker 的 Spark 库：https ://github.com/aws/sagemaker-spark