文件名称：sagemaker-demos
文件大小：153.01MB
文件格式：ZIP
更新时间：2024-05-29 02:24:21
JupyterNotebook
贤者德莫斯 该存储库由三位作者撰写的mainteaind： 金木h 尤瓦尔·芬巴赫（Yuval Fernbach） 赛勒斯·瓦希德（Cyrus Vahid） 该存储库的目的是将最常见的深度学习用例实现为SageMaker自定义算法。 此存储库中的代码未针对性能和规模进行优化，而是旨在提供演示和教程。 #AmazonSageMaker Python SDK简介SageMaker Python SDK是一个开源库，用于在Amazon SageMaker上训练和部署机器学习模型。 班级 估计器：封装有关SageMaker的培训。 可以进行fit（）进行训练，然后将生成的模型部署到SageMaker Endpoint。 EstimatorBase：派生所有估算器的抽象类 框架：来回框架的超类，例如MXNet和TensorFlow。 MXNet Estimator：使用MXNet E
【文件预览】：
sagemaker-demos-master
----recommenders()
--------movielens_data.pyc(2KB)
--------matrix_fact.pyc(2KB)
--------recotools.pyc(1KB)
--------symbol_alexnet.pyc(2KB)
--------crossentropy.pyc(5KB)
--------matrix_fact.py(2KB)
--------demo1-MF.ipynb(22KB)
--------negativesample.py(7KB)
--------randomproj.pyc(6KB)
--------randomproj.py(6KB)
--------demo2-binary.ipynb(4KB)
--------demo1-MF2-fancy.ipynb(111KB)
--------crossentropy.py(5KB)
--------ml-100k.zip(4.7MB)
--------README.md(1KB)
--------demo3-dssm.ipynb(45KB)
--------movielens_data.py(2KB)
--------demo-MF.R(2KB)
--------symbol_alexnet.py(3KB)
--------recotools.py(2KB)
--------negativesample.pyc(6KB)
----ml-workshop-day2.md(12KB)
----credircard_fraud()
--------linear_learner_visa-kaggle.ipynb(277KB)
--------.ipynb_checkpoints()
--------linear_gluon.ipynb(17KB)
--------linear_model_gluon.py(7KB)
--------linearlearner-blogpost-part3.ipynb(243KB)
--------linear_learner_visa-kaggle-old.ipynb(16KB)
--------linear_learner-blogpost.ipynb(334KB)
--------linearlearner-blogpost-part1.ipynb(56KB)
--------data()
--------linear_learner_visa-kaggle-buggy.ipynb(42KB)
--------linearlearner-blogpost-part2.ipynb(353KB)
----mxnet_gluon_mlp()
--------FMNIST()
--------MNIST()
----README.md(2KB)
----mxnet_gluon_cnn()
--------FMNIST()
--------MNIST()
----docs()
--------images()