我对SageMaker有以下挑战:
>
我在本地(成功地)运行了训练,修改了以下行:
abalone_estimator = TensorFlow(entry_point='abalone.py',
role=role,
training_steps= 100,
evaluation_steps= 100,
hyperparameters={'learning_rate': 0.001},
train_instance_count=1,
**train_instance_type='local'**)
abalone_estimator.fit(inputs)
然后我想用下面这行代码将我的模型部署到AWS,但SDK似乎在本地部署了它(它没有失败,我只是看到它在我的机器上运行)
abalone_predictorabalone_estimator.deploy(initial_instance_countinstance_typeml.m4.xlarge)
关于如何修复它以便将其部署到AWS或重新加载我的训练模型并从头部署到AWS,有什么建议吗?
非常感谢斯特凡
在SageMaker上再次运行训练更容易。否则,以下是你必须做的步骤。
如果您想了解上述每个具体步骤的详细信息,请务必让我知道,但如果您的数据集不太大,我会说只需对SageMaker进行再培训即可。
我想在aws sagemaker上培训YOLOv5,还要在sagemaker上部署模型,还需要了解entrypoint python脚本。我如何为此构建管道?
我试图将邮寄地址与简历(简历)隔离开来。简历来自许多不同的国家,因此没有标准的布局、格式、押韵或地址原因。 我有我的原始数据,这些数据已经被分割成句子和标记,并准备好标记。 问题: 如果我最感兴趣的是城市/城镇,我是否应该标记整个地址以获得最佳效果? 鉴于我寻找的地址主要出现在简历的前四分之一,我应该将训练数据削减到25%并对实时数据做同样的事情,还是通过将文档保持为一个整体并只标记我需要的部分来
QA职责 QA起到监督项目执行进度、监控项目质量的重要责任; QA辅助项目经理,推进项目开发; QA向公司的QA部门负责人汇报; QA需了解项目的所有需求; QA人员,同时承担项目上的开发工作,开发与项目保障并进。 对于目前的状况,QA的规划有如下特点: QA不作为公司的一个单独部门,而是由分散到每个项目的指定开发人员临时担任; QA是培养项目经理的重要岗位 QA工作内容 每天的进度反馈(从用户视
我的组织有很多针对不同项目的API。我需要一个OpenAPI实现,它允许我为我们所有的产品创建一个包含所有这些API(更像是一个存储库)的独立门户。 有支持这一点的OpenAPI吗? 另一种选择是:能够将多个实例合并到单个OpenAPI实例。
两周培训规划 基础培训及考核-2d 代码规范培训-4h Linux基础-20h 工具培训及考核-6d gulp-4h webpack-4h postman-4h webstorm-4h git-8h gitlab-4h npm-4h bower-4h Lo-Dash-8h Chrome-dev-tool-4h Swagger-4h Graphql-4h SecureCRT-2h gitbook/m
我想在SageMaker找一份当地的培训工作。 根据这个AWS笔记本(https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_gluon_mnist/mxnet_mnist_with_gluon_local_mode.ipynb),我能够在本地进行训练和预测。 有没有办法