【文件属性】：
文件名称：amazon-sagemaker-script-mode:适用于预建框架模式容器，又名脚本模式等的Amazon SageMaker示例（BYO容器和模型等）
文件大小：298KB
文件格式：ZIP
更新时间：2021-05-13 22:14:31
JupyterNotebook
Amazon SageMaker脚本模式示例
该存储库包含有关Amazon SageMaker脚本模式和SageMaker处理的示例和相关资源。 通过脚本模式，您可以将培训脚本与在SageMaker外部使用的脚本类似，这些脚本与SageMaker的预构建容器一起用于各种框架，例如TensorFlow，PyTorch和Apache MXNet。 同样，在SageMaker Processing中，您可以为几乎任何您要使用的语言或技术（例如R编程语言）提供普通的数据预处理脚本。
目前，该库具有资源TensorFlow，带上你自己的（BYO模式，加上脚本模式式体验用自己的容器），以及杂项（为SageMaker处理等脚本模式式体验）。 还有一个“较旧资源”部分，其中包含较旧框架版本的示例。
对于SageMaker的新手，有两个小时的研讨会，介绍了的基础知识。
TensorFlow资源：
：在
【文件预览】：
amazon-sagemaker-script-mode-master
----tf-2-workflow()
--------tf-2-workflow.ipynb(49KB)
--------train_model()
----local_mode_setup.sh(3KB)
----.github()
--------PULL_REQUEST_TEMPLATE.md(169B)
----tf-2-data-parallelism()
--------notebooks()
--------src()
--------requirements.txt(73B)
--------.gitignore(93B)
----lightgbm-byo()
--------lightgbm-byo.ipynb(59KB)
----k-means-clustering()
--------k-means-clustering.ipynb(27KB)
----tf-sentiment-script-mode()
--------sentiment.py(4KB)
--------sentiment-analysis.ipynb(21KB)
----daemon.json(176B)
----CONTRIBUTING.md(4KB)
----tf-eager-script-mode()
--------tf-boston-housing.ipynb(23KB)
--------train_model()
----r-in-sagemaker-processing()
--------r_in_sagemaker_processing.ipynb(11KB)
----LICENSE(10KB)
----README.md(10KB)
----tf-horovod-inference-pipeline()
--------train.py(12KB)
--------generate_cifar10_tfrecords.py(4KB)
--------sample-img()
--------tf-horovod-inference-pipeline.ipynb(27KB)
--------image-transformer-container()
----tf-2-workflow-smpipelines()
--------tf-2-workflow-smpipelines.ipynb(55KB)
--------train_model()
----deploy-pretrained-model()
--------GPT2()
--------BERT()
----tf-batch-inference-script()
--------generate_cifar10_tfrecords.py(4KB)
--------tf-batch-inference-script.ipynb(24KB)
--------sample-img()
--------code()
----NOTICE(129B)
----tf-2-word-embeddings()
--------code()
--------tf-2-word-embeddings.ipynb(14KB)
----CODE_OF_CONDUCT.md(309B)
----tf-distribution-options()
--------generate_cifar10_tfrecords.py(4KB)
--------sample-img()
--------code()
--------tf-distributed-training.ipynb(30KB)