我对Sagemaker Neo有几个问题：
1) 如果我有外部训练的 tensorflow/mxnet 模型，我可以利用 Sagemaker Neo 吗？
2) Sagemaker 为“image-classification”提供容器镜像，并为 neo 编译作业发布了一个名为“ image-classification-neo ”的新镜像。他们俩有什么区别？我是否需要类似地为每个预构建的 sagemaker 模板（容器）提供一个新的 Neo 兼容图像？
任何帮助，将不胜感激
谢谢！！
问问题
717 次
2 回答
4
1) 是的。将您的模型作为 model.tar.gz 文件上传到 S3 存储桶（类似于 SageMaker 在训练后保存的文件），然后您可以对其进行编译。
2) Neo 版本使用 Neo 运行时来加载和预测，所以是的，容器是不同的。目前，Neo 支持 XGBoost 和图像分类内置算法。当然，您可以构建自己的自定义容器并在其中使用 Neo。欲了解更多信息：https ://docs.aws.amazon.com/sagemaker/latest/dg/neo.html
朱利安
于 2019-07-09T04:52:04.543 回答
2
这个问题被问了很久。但万一有人在搜索相同的问题后出现在这里：
Amazon NEO 主要是一个优化器，用于使程序兼容多个底层硬件和平台。根据文档：“Neo 是 Amazon SageMaker 的一项新功能，它使机器学习模型能够训练一次并在云端和边缘的任何地方运行。”
是的，这两个 docker 图像是不同的。由于其中一个有优化器代码，另一个没有。区别不在于输入，因此“image-classification-neo”可以处理“image-classification”可以工作的图像。但是输出不一样。'image-classification-neo' 的输出可以在多个平台上使用。您可以在以下链接中查看支持的硬件平台： https ://docs.aws.amazon.com/sagemaker/latest/dg/neo.html
于 2019-07-08T04:56:56.597 回答