《产业》AWS祭6大功能 机器学习更上手

AWS多年来一直致力于降低机器学习的使用门槛，让更多的客户运用机器学习技术。Amazon SageMaker是AWS成长速度最快的服务之一，包括阿斯特捷利康（AstraZeneca）、Aurora、Capital One、Cerner、Discovery、现代汽车（Hyundai）、Intuit、路透社（Thomson Reuters）、Tyson和Vanguard等全球数万家客户，都使用Amazon SageMaker训练各种规模的机器学习模型，有些模型甚至包含数十亿个参数、每月进行数千亿次预测。

随着客户在Amazon SageMaker上不断扩展其机器学习模型训练和推论，AWS也持续扩展服务产能，仅在过去一年就推出60多项Amazon SageMaker的新功能。

以Amazon SageMaker Training Compiler而言，是一种新的机器学习模型编译器，可自动优化编码提高运算资源的使用效率，并缩短训练模型时间多达50%。先进的深度学习模型通常是庞大而复杂的，训练单一模型可能耗费数千小时的GPU运算时间，为此它们需要专门的运算执行个体来加速训练。为了进一步缩短训练时间，资料科学家会尝试增加训练资料或调整超参数（控制机器学习训练过程的变数），找到效能最佳且资源消耗最少的模型版本。这项工作的技术复杂度导致资料科学家没有时间优化在GPU上执行训练模型所需的框架。Amazon SageMaker Training Compiler与Amazon SageMaker中的TensorFlow和PyTorch版本整合，这些版本经过优化可在云端更高效地执行，因此资料科学家可以使用他们喜欢的框架，更有效率地使用GPU训练机器学习模型。只需点击一下，Amazon SageMaker Training Compiler就会自动优化并编译训练好的模型，提高训练执行速度多达50%。