Алгоритмы машинного обучения Amazon и SageMaker

Question

1) Согласно http://docs.aws.amazon.com/machine-learning/latest/dg/learning-algorithm.html Amazon ML использует SGD. Однако я не могу найти, сколько скрытых слоев используется в нейронной сети?

2) Может ли кто-нибудь подтвердить, что SageMaker сможет делать то же, что и Amazon ML? т.е. SageMaker более мощный, чем Amazon ML?

Answer 1

Я не уверен насчет Amazon ML, но SageMaker использует док-контейнеры, перечисленные здесь для встроенного обучения: https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-algo-docker-registry-paths.html

Итак, в общем, все, что вы можете делать с Amazon ML, вы должны делать с SageMaker (хотя Amazon ML имеет довольно приятный редактор схем).

Вы можете проверить каждый из этих контейнеров, чтобы углубиться в то, как все это работает.

Вы можете найти исчерпывающий список доступных алгоритмов в SageMaker здесь: https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html

На данный момент, по состоянию на декабрь 2017 года, все эти алгоритмы доступны:

• Линейный ученик
• Машины Факторизации
• Алгоритм XGBoost
• Алгоритм классификации изображений
• Amazon SageMaker Sequence2Sequence
• Алгоритм K-средних
• Анализ основных компонентов (PCA)
• Скрытое распределение Дирихле (LDA)
• Нейронная модель темы (NTM)

Общий интерфейс SageMaker SDK к этим алгоритмам выглядит примерно так:

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)

Библиотеки здесь: https://github.com/awslabs/amazon-sagemaker-examples и здесь: https://github.com/aws/sagemaker-python-sdk особенно полезны для игры с SageMaker.

Вы также можете использовать Spark с SageMaker и библиотеку Spark здесь: https://github.com/aws/sagemaker-spark