AWS SageMaker 最低配置答案

【问题标题】：AWS SageMaker Minimum ConfigurationAWS SageMaker 最低配置
【发布时间】：2018-10-22 11:45:39
【问题描述】：

为什么我需要 Container for AWS SageMaker？如果我想在 SageMaker 的 Jupyter 笔记本上运行 Scikit Learn 以进行自学，是否还需要为其配置 Container？

如果我只想学习 Scikit Learn，我需要的 SageMaker 最低配置是多少？例如，我想用一组训练数据和一组测试数据运行 Scikit Learn 的决策树算法。我需要在 SageMaker 上做什么才能执行任务？谢谢。

【问题讨论】：

【解决方案1】：

你不需要太多。只是一个对您的角色具有相关权限的 AWS 账户。在 AWS SageMaker 控制台中，您只需单击一下即可运行 AWS 笔记本实例。预装了 Sklearn，您可以开箱即用。不需要特殊的容器。

您至少需要拥有相关权限的 AWS 账户来创建 EC2 实例并从您的 S3 读取/写入。就是这样，试试吧。 :)

【讨论】：

我认为这不准确。笔记本内部的importing sklearn 不涉及sagemaker。代码将在笔记本电脑上运行。您不能“部署”您在笔记本中编写的代码并通过它公开它。一个端点。您将无法使用用于托管等的所有 sagemaker 功能。

【解决方案2】：

如果您不关心使用 Sagemaker 的训练和部署功能，那么您只需要创建一个新的 conda_python3 笔记本并导入 sklearn。

我也很困惑如何利用Sagemaker的火车/部署功能，使用Scikit学习。最佳解释和最新似乎是：

简要总结如下：

您将培训数据保存到S3桶中。
创建一个独立的Python脚本，培训您的培训，将培训模型序列化为文件，并将其保存到S3桶中。
在 Sagemaker 上的笔记本中，您导入 Sagemaker SDK 并将其指向您的训练脚本和数据。然后 Sagemaker 将临时创建一个 AWS 实例来训练模型。
一旦经过训练，该实例就会自动销毁。
最后，您使用 Sagemaker SDK 将经过训练的模型部署到另一个 AWS 实例。这还会自动创建一个可调用以进行预测的端点。

【讨论】：