美國(guó)拉斯維加斯時(shí)間2017年11月29日上午，AWS CEO Andy Jassy在一年一度的AWS re:Invent大會(huì)上發(fā)布了主題演講。在短短兩小時(shí)內(nèi)，Andy宣布了一系列令人興奮的新服務(wù)。其中最重要的包括一款售價(jià)249美元的、名為DeepLens的人工智能攝像機(jī)；一套用于開(kāi)放并部署機(jī)器學(xué)習(xí)算法的SageMaker平臺(tái)；外加實(shí)時(shí)視頻識(shí)別、文字翻譯等多項(xiàng)應(yīng)用層服務(wù)。
據(jù)了解，作為全場(chǎng)最大亮點(diǎn)的SageMaker平臺(tái)，臺(tái)灣主機(jī) 臺(tái)灣伺服器，真正做到了“默默秒殺全場(chǎng)”的強(qiáng)大功能：除了免去了開(kāi)發(fā)者進(jìn)行數(shù)據(jù)清洗、建模的麻煩事兒，甚至還可以把開(kāi)發(fā)者最頭疼的調(diào)參優(yōu)化交給機(jī)器處理。
顯而易見(jiàn)，亞馬遜公司希望各企業(yè)客戶(hù)能夠更好地運(yùn)用人工智能技術(shù)——當(dāng)然最重要的是，使用由亞馬遜出售的人工智能工具。
通過(guò)本次大會(huì)公布的這一整套人工智能解決方案，亞馬遜方面已經(jīng)明確表示，希望能夠乘這股人工智能的繁盛東風(fēng)進(jìn)一步拓展收入規(guī)模。與此同時(shí)，這批聲明的發(fā)布也標(biāo)志著亞馬遜與同樣擁有自家AI企業(yè)解決方案的谷歌在這一領(lǐng)域成為了競(jìng)爭(zhēng)對(duì)手。
Amazon SageMaker
正如本文開(kāi)頭所說(shuō)，這也許是本次re:Invent上發(fā)布的最大殺器，也可能是自各類(lèi)開(kāi)源機(jī)器學(xué)習(xí)框架流行以來(lái)在AI領(lǐng)域出現(xiàn)的最大殺器（如果使用體驗(yàn)真的如Andy Jassy所描述的那樣好的話）：普通開(kāi)發(fā)者也想用機(jī)器學(xué)習(xí)來(lái)玩自己的數(shù)據(jù)，但是數(shù)據(jù)清洗、建模、各種試錯(cuò)太難太花時(shí)間，把開(kāi)發(fā)者都嚇跑了。SageMaker的目標(biāo)是，開(kāi)發(fā)者只需要關(guān)心自己輸入什么數(shù)據(jù)，自己想用什么框架和什么算法，其他的各種參數(shù)調(diào)優(yōu)什么的臟活兒就讓機(jī)器自己用機(jī)器學(xué)習(xí)來(lái)做，一鍵直達(dá)式機(jī)器學(xué)習(xí)服務(wù)，開(kāi)發(fā)者值得擁有。
讓我們來(lái)看看這個(gè)可能會(huì)讓大數(shù)據(jù)工程師“失業(yè)”的神器到底有何玄機(jī)？
Amazon SageMaker是一項(xiàng)全托管端到端機(jī)器學(xué)習(xí)服務(wù)，可幫助數(shù)據(jù)科學(xué)家、開(kāi)發(fā)人員以及機(jī)器學(xué)習(xí)專(zhuān)家快速構(gòu)建、訓(xùn)練并托管規(guī)模化機(jī)器學(xué)習(xí)模型。它的出現(xiàn)將顯著加速一切機(jī)器學(xué)習(xí)工作，同時(shí)幫助大家快速將機(jī)器學(xué)習(xí)元素添加至生產(chǎn)應(yīng)用程序當(dāng)中。SageMaker**支持當(dāng)前機(jī)器學(xué)習(xí)行業(yè)中最為流行的各類(lèi)框架**（包括谷歌TensorFlow、Facebook Caffe2、Pytorch以及MXNet等），且允許開(kāi)發(fā)者從查找必要數(shù)據(jù)起步對(duì)其AI模型進(jìn)行訓(xùn)練，而后將成果發(fā)送給客戶(hù)——整個(gè)流程皆可在此程序內(nèi)實(shí)現(xiàn)。
Amazon SageMaker由以下三大主要部分組成:
創(chuàng)作（Authoring）：無(wú)需進(jìn)行任何設(shè)置，使用Jupyter Notebook IDE就能進(jìn)行數(shù)據(jù)探索、清潔與預(yù)處理。你可以在常規(guī)實(shí)例類(lèi)型或GPU驅(qū)動(dòng)型實(shí)例當(dāng)中運(yùn)行此類(lèi)工作負(fù)載。 模型訓(xùn)練：一項(xiàng)分布式模型構(gòu)建、訓(xùn)練與驗(yàn)證服務(wù)。你可以利用其中的內(nèi)置常規(guī)監(jiān)督與無(wú)監(jiān)督學(xué)習(xí)算法及框架，或者利用Docker容器創(chuàng)建屬于自己的訓(xùn)練機(jī)制。其模型訓(xùn)練規(guī)模可囊括數(shù)十個(gè)實(shí)例，以支持模型構(gòu)建加速。訓(xùn)練數(shù)據(jù)讀取自S3，訓(xùn)練后的模型成果亦可存放在S3存儲(chǔ)桶內(nèi)。最終得出的模型結(jié)果為數(shù)據(jù)相關(guān)模型參數(shù)，而非模型當(dāng)中進(jìn)行推理的代碼。將關(guān)注點(diǎn)分開(kāi)之后，開(kāi)發(fā)人員能夠更輕松地將Amazon SageMaker訓(xùn)練出的模型部署至其它平臺(tái)（例如IoT設(shè)備）。 模型托管：模型托管服務(wù)可配合HTTP端點(diǎn)以調(diào)用模型進(jìn)行實(shí)時(shí)推理。這些端點(diǎn)可進(jìn)行規(guī)模擴(kuò)展，從而支持實(shí)際流量；開(kāi)發(fā)人員也可以同時(shí)對(duì)多套模型進(jìn)行A/B測(cè)試。此外，你也可以使用內(nèi)置的SDK構(gòu)建這些端點(diǎn)，或者選擇Docker鏡像提供自己的配置選項(xiàng)。
上述組成部分皆可獨(dú)立使用，這意味著Amazon SageMaker將能夠輕松填補(bǔ)現(xiàn)有流程中的空白環(huán)節(jié)。換句話來(lái)說(shuō)，當(dāng)開(kāi)發(fā)人員以端到端方式使用該服務(wù)時(shí)，將能夠享受到由其提供的強(qiáng)大功能。
作為AWS免費(fèi)項(xiàng)目的一部分，大家無(wú)需任何投入即可馬上開(kāi)始使用Amazon SageMaker。在前兩個(gè)月中，用戶(hù)每月可獲得250個(gè)小時(shí)的t2.medium記事本實(shí)例使用額度，50個(gè)小時(shí)的m4.xlarge訓(xùn)練用實(shí)例使用額度，外加125個(gè)小時(shí)的m4.xlarge托管用實(shí)例使用額度。在免費(fèi)范圍之外，具體計(jì)費(fèi)標(biāo)準(zhǔn)因?qū)嶋H服務(wù)區(qū)而定，但總體成本包含每秒實(shí)例使用、每GB存儲(chǔ)容量使用以及每GB數(shù)據(jù)傳入/傳出等因素。（小編注：大家可以先試用之后看看Amazon SageMaker是否真如Jassy所說(shuō)的這么智能。）
AWS官方博客上對(duì)如何使用SageMaker提供了一份簡(jiǎn)易指南，下面截取并翻譯了構(gòu)建機(jī)器學(xué)習(xí)流程的部分，迫不及待的小伙伴們到官網(wǎng)查看完整的操作方法：https://aws.amazon.com/cn/blogs/aws/sagemaker/
SageMaker使用指南
作為示例，這里假定我們需要構(gòu)建、訓(xùn)練并部署一套基于Apache MXNet的圖像分類(lèi)器。這里我們使用Gluon語(yǔ)言、CIFAR-10數(shù)據(jù)集，外加ResNet V2模型架構(gòu)。
從Jupyter Notebook開(kāi)始創(chuàng)作
