AWS让用户以自定义资源在K8s丛集部署SageMaker机器学习
原标题：AWS让用户以自定义资源在K8s丛集部署SageMaker机器学习
AWS机器学习服务Amazon SageMaker推出多个Operator以支援Kubernetes应用，可让用户在Kubernetes丛集部署SageMaker Operators，使其作为Kubernetes的自定义资源（Custom Resource），执行Amazon SageMaker机器学习模型训练、调校和预测工作。目前这项服务在美东、美西和欧洲等地提供。
Amazon SageMake是一个模组化且全託管的机器学习服务，可让资料科学家以及开发人员，快速地完成建置、训练、部署和维护模型等工作。AWS提到，不少用户会使用Kubernetes服务，来部署和管理容器化应用程式，像是资料科学家可以用来建立可重複的机器学习工作管线，并且更好地控制训练和预测工作。
不过用户要在Kubernetes丛集执行机器学习工作负载，有一些工作必须要自己来，需要编写自订程式码，自己管理底层机器学习的基础设施，以最佳化利用率，及确保高可用性和可靠性，同时还要遵守法规和安全性要求。
AWS举例用户可能面临的情况，包括Kubernetes用户使用GPU来进行模型训练和预测时，开发者通常需要更改Kubernetes的调度以及GPU工作负载的扩展，以达到最高利用率与高吞吐量的目的。而且当要把训练好的模型部署到生产环境中时，Kubernetes用户需要花额外的时间，配置和最佳化跨多可用区域的丛集。
因此为了解决在Kubernetes上执行Amazon SageMake机器学习工作负载的障碍，AWS推出了Amazon SageMaker Operators，以此整合Amazon SageMaker和Kubernetes的使用。用户在Kubernetes丛集上安装SageMaker Operators，便能在Kubernetes中将Amazon SageMaker增加为自定义资源，在Amazon SageMaker中操作机器学习模型，目前AWS提供训练、调校和预测3个Operators。
每个Kubernetes的SageMaker Operator都可让用户，透过Kubernetes API或像是kubectl等命令列工具，以原生的方式创建与操作工作负载，企业工程人员也可以直接使用这些Operators，在Kubernetes中为资料科学家建构自动化程式、工具以及自定义介面，而不需维护底层的机器学习基础设施。
郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。
相关阅读
猜你喜欢
-
播客是什么(国内怎么听podcast)
2022-09-07 -
360浏览器怎么样(电脑千万别下360)
2022-09-05 -
机器人小胖多少钱(济南卖小胖机器人店有几个多少钱)
2022-09-05 -
如何使用微信小程序(微信应用小程序)
2022-09-05 -
微信朋友圈广告多少钱(微信朋友圈推广平台收费标准)
2022-09-03 -
Chrome OS 83将家庭控件和标签组引入chromebook
2022-09-02 -
拼多多怎么助力免单(拼多多免单邀请)
2022-09-02 -
携程买了机票怎么取(携程买票不用取票吗)
2022-09-01 -
买车网站有哪些(买车)
2022-08-31 -
苹果卡贴多少钱(iphone12卡贴机价格)
2022-08-27 -
电脑内存多少够用(电脑内存和储存的区别)
2022-08-25 -
科技快讯：携号转网全国范围推行需满足这些条件
2022-08-23 -
怎么拉好友进群(微信做单拉人进群)
2022-08-21 -
如何收藏店铺(制作店铺收藏的步骤)
2022-08-20 -
有声软件哪个好(下载什么软件可以免费听评书)
2022-08-20
2022-09-07
智能