Il s'agit de l'application Linux nommée SageMaker TensorFlow Training Toolkit dont la dernière version peut être téléchargée en tant que v20.4.1.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée SageMaker TensorFlow Training Toolkit avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
Boîte à outils de formation SageMaker TensorFlow
DESCRIPTION:
Boîte à outils pour exécuter des scripts de formation TensorFlow sur SageMaker. SageMaker TensorFlow Training Toolkit est une bibliothèque open source permettant d'utiliser TensorFlow pour former des modèles sur Amazon SageMaker. Pour utiliser votre modèle TensorFlow Serving sur SageMaker, vous devez d'abord créer un modèle SageMaker. Après avoir créé un modèle SageMaker, vous pouvez l'utiliser pour créer des tâches de transformation par lots SageMaker pour une inférence hors ligne ou créer des points de terminaison SageMaker pour une inférence en temps réel. Un modèle SageMaker contient des références à un fichier model.tar.gz dans S3 contenant des données de modèle sérialisées et une image Docker utilisée pour diffuser des prédictions avec ce modèle. Une tâche de transformation par lots exécute une tâche d'inférence hors ligne à l'aide de votre modèle TensorFlow Serving. Les données d'entrée dans S3 sont converties en requêtes HTTP et les réponses sont enregistrées dans un compartiment de sortie dans S3.
Fonctionnalités
- Dockerfiles utilisés pour créer des conteneurs SageMaker TensorFlow
- SageMaker TensorFlow Training Toolkit est sous licence Apache 2.0
- Bibliothèque open source
- Utiliser TensorFlow pour former des modèles sur Amazon SageMaker
- Exemples de cahiers
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/sagemaker-tflow-t-tool.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.