Textklassifizierung – TensorFlow - Amazon SageMaker KI
Amazon-EC2-Instance-Empfehlung für den Textklassifizierungs-TensorFlow-AlgorithmusBeispiel-Notebooks

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Textklassifizierung – TensorFlow

Der Algorithmus Textklassifizierung – TensorFlow von Amazon SageMaker AI ist ein überwachter Lernalgorithmus, der Transfer-Learning mit vielen vortrainierten Modellen aus dem TensorFlow Hub unterstützt. Verwenden Sie Transfer Learning, um eines der verfügbaren vortrainierten Modelle anhand Ihres eigenen Datensatzes zu optimieren, auch wenn eine große Menge an Textdaten nicht verfügbar ist. Der Textklassifizierungsalgorithmus verwendet eine Textzeichenfolge als Eingabe und gibt für jede Klassenbezeichnung eine Wahrscheinlichkeit aus. Trainingsdatensätze müssen im CSV-Format vorliegen. Diese Seite enthält Informationen zu Empfehlungen für Amazon-EC2-Instances und Beispiel-Notebooks für Textklassifizierung – TensorFlow.

Themen

Amazon-EC2-Instance-Empfehlung für den Textklassifizierungs-TensorFlow-Algorithmus

Der Algorithmus Textklassifizierung – TensorFlow unterstützt alle CPU- und GPU-Instances für das Training, einschließlich:

  • ml.p2.xlarge

  • ml.p2.16xlarge

  • ml.p3.2xlarge

  • ml.p3.16xlarge

  • ml.g4dn.xlarge

  • ml.g4dn.16.xlarge

  • ml.g5.xlarge

  • ml.g5.48xlarge

Wir empfehlen die Verwendung von GPU-Instances mit mehr Arbeitsspeicher zum Training mit großen Stapelgrößen. Sowohl CPU- (wie M5) als auch GPU-Instances (P2, P3, G4dn oder G5) können für Inferenzen verwendet werden. Eine umfassende Liste der SageMaker-Trainings und Inferenz-Instances in allen AWS-Regionen finden Sie unter Preise von Amazon SageMaker.

Textklassifizierung – TensorFlow-Beispiel-Notebooks

Weitere Informationen zur Verwendung des Algorithmus Textklassifizierung – TensorFlow von SageMaker AI für Transfer Learning in einem benutzerdefinierten Datensatz finden Sie im Notebook Einführung in JumpStart – Textklassifizierung.

Anweisungen zum Erstellen von und Zugreifen auf Jupyter-Notebook-Instances, die Sie zum Ausführen des Beispiels in SageMaker AI verwenden können, finden Sie unter SageMaker Amazon-Notebook-Instanzen. Sobald Sie eine Notebook-Instance erstellt und geöffnet haben, wählen Sie die Registerkarte SageMaker-AI-Beispiele, um eine Liste aller SageMaker-AI-Beispiele zu sehen. Zum Öffnen eines Notebooks wählen Sie die Registerkarte Verwenden und dann Kopie erstellen aus.