As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Parâmetros para Built-in algoritmos
A tabela a seguir lista os parâmetros para cada um dos algoritmos fornecidos pela Amazon SageMaker AI.
| Nome do algoritmo | Nome do canal | Modo de entrada do treinamento | Tipo de arquivo | Classe de instância | Paralelizável |
|---|---|---|---|---|---|
| AutoGluon-Tabular | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU ou GPU (somente instância única) | Não |
| BlazingText | treinamento | Arquivo ou Pipe | Arquivo de texto (uma frase por linha com tokens separados por espaço) | CPU ou GPU (somente instância única) | Não |
| CatBoost | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU (somente instância única) | Não |
| Previsão DeepAR | treinamento e (opcionalmente) teste | Arquivo | linhas JSON ou Parquet | CPU ou GPU | Sim |
| Máquinas de fatoração | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf | CPU (GPU para dados densos) | Sim |
| Classificação de imagens: MXNet | treinamento e validação, (opcionalmente) train_lst, validation_lst e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Classificação de imagens - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | CPU ou GPU | Sim (somente em várias GPUs em uma instância única) |
| IP Insights | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU ou GPU | Sim |
| K-Means | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPUCommon (dispositivo de GPU única em uma ou mais instâncias) | Não |
| K-Nearest-Neighbors (K-nn) | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU (dispositivo de GPU única em uma ou mais instâncias) | Sim |
| LDA | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU (somente instância única) | Não |
| LightGBM | train/training e (opcionalmente) validação | Arquivo | CSV | CPU | Sim |
| Aprendizagem linear | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU | Sim |
| Modelo de tópico neural | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU | Sim |
| Object2Vec | treinamento e (opcionalmente) validação, teste ou ambos | Arquivo | Linhas JSON | CPU ou GPU (somente instância única) | Não |
| Detecção de objetos - MXNet | treinamento e validação, (opcionalmente) train_annotation, validation_annotation e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Detecção de objetos - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | GPU | Sim (somente em várias GPUs em uma instância única) |
| PCA | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU ou GPU | Sim |
| Random Cut Forest | treinamento e (opcionalmente) teste | Arquivo ou Pipe | registro IO-protobuf ou CSV | CPU | Sim |
| Segmentação semântica | treinamento e validação, train_annotation, validation_annotation e (opcionalmente) label_map e model | Arquivo ou Pipe | Arquivos de imagem | GPU (somente instância única) | Não |
| Modelagem Seq2Seq | treinamento, validação e vocabulário | Arquivo | registro IO-protobuf | GPU (somente instância única) | Não |
| TabTransformer | treinamento e (opcionalmente) validação | Arquivo | CSV | CPU ou GPU (somente instância única) | Não |
| Classificação de texto - TensorFlow | treinamento e validação | Arquivo | CSV | CPU ou GPU | Sim (somente em várias GPUs em uma instância única) |
| XGBoost (0.90-1, 0.90-2, 1.0-1, 1.2-1, 1.2-21) | treinamento e (opcionalmente) validação | Arquivo ou Pipe | CSV, LibSVM ou Parquet | CPU (ou GPU para 1.2-1) | Sim |
Algoritmos que são paralelizáveis podem ser implantados em várias instâncias de computação para treinamento distribuído.
Os tópicos a seguir fornecem informações sobre formatos de dados, tipos de instância recomendados do Amazon EC2 e CloudWatch registros comuns a todos os algoritmos integrados fornecidos pela Amazon SageMaker AI.
nota
Para pesquisar os URIs de imagem do Docker dos algoritmos integrados gerenciados pela SageMaker IA, consulte Docker Registry Paths and Example Code.
Tópicos
