D2L.ai SageMaker实战：Amazon机器学习平台终极指南

D2L.ai SageMaker实战Amazon机器学习平台终极指南【免费下载链接】d2l-enInteractive deep learning book with multi-framework code, math, and discussions. Adopted at 500 universities from 70 countries including Stanford, MIT, Harvard, and Cambridge.项目地址: https://gitcode.com/gh_mirrors/d2/d2l-enD2L.ai是一本交互式深度学习书籍包含多框架代码、数学知识和讨论内容已被来自70个国家的500所大学采用包括斯坦福、麻省理工、哈佛和剑桥等。本文将为你详细介绍如何利用Amazon SageMaker这一强大的机器学习平台轻松运行D2L.ai中的深度学习代码即使你的本地机器资源有限也能高效开展深度学习项目。为什么选择Amazon SageMaker进行D2L.ai实战深度学习应用往往对计算资源有极高要求很容易超出本地机器的承载能力。Amazon SageMaker作为强大的云计算服务能让你更轻松地使用更强大的计算机来运行本书中的GPU密集型代码为你的深度学习之旅提供有力的计算支持。SageMaker账号注册与准备工作首先我们需要在https://aws.amazon.com/注册一个账号。为了提高安全性建议启用双因素认证。同时设置详细的账单和消费提醒也是个好主意以避免出现意外费用例如忘记停止运行的实例。登录AWS账户后前往控制台并搜索“Amazon SageMaker”然后点击打开SageMaker面板。图搜索并打开SageMaker面板创建SageMaker实例的详细步骤接下来让我们按照以下步骤创建笔记本实例。SageMaker提供了多种实例类型它们具有不同的计算能力和价格。创建笔记本实例时我们可以指定其名称和类型。对于本书的大部分内容选择ml.p3.2xlarge实例就足够强大了它配备了一个Tesla V100 GPU和8核CPU。图创建SageMaker实例在创建实例时我们还可以指定GitHub仓库URL让SageMaker在创建实例时克隆相应的代码库。对于不同的深度学习框架对应的仓库如下MXNethttps://github.com/d2l-ai/d2l-en-sagemakerPyTorchhttps://github.com/d2l-ai/d2l-pytorch-sagemakerTensorFlowhttps://github.com/d2l-ai/d2l-tensorflow-sagemaker图指定GitHub仓库实例的运行与停止操作创建实例可能需要几分钟时间。当实例准备就绪后点击其旁边的“Open Jupyter”链接你就可以在该实例上编辑和运行本书的所有Jupyter笔记本了操作步骤与本地Jupyter类似。图在SageMaker实例上打开Jupyter完成工作后不要忘记停止实例以避免进一步收费。停止实例的操作简单便捷在实例管理界面找到相应的实例点击停止按钮即可。图停止SageMaker实例如何更新SageMaker上的D2L.ai笔记本这本开源书籍的笔记本会在GitHub的相应仓库中定期更新。要更新到最新版本你可以在SageMaker实例上打开终端。在终端中你可以先提交本地更改然后从远程仓库拉取更新如果不需要保留本地更改也可以使用以下命令直接丢弃本地更改并拉取最新版本以PyTorch为例cd SageMaker/d2l-pytorch-sagemaker/ git reset --hard git pull图在SageMaker实例上打开终端总结SageMaker助力D2L.ai深度学习实战通过本文的介绍你已经了解了如何使用Amazon SageMaker创建笔记本实例来运行本书中的GPU密集型代码以及如何通过SageMaker实例上的终端更新笔记本。借助SageMaker强大的计算能力你可以更专注于深度学习知识的学习和实践无需担心本地计算资源的限制。现在就开始你的D2L.ai SageMaker实战之旅吧编辑并运行任何需要GPU的章节体验云平台带来的高效深度学习体验。如果在使用过程中遇到问题还可以到讨论区与其他学习者交流。相关文档chapter_appendix-tools-for-deep-learning/sagemaker.md【免费下载链接】d2l-enInteractive deep learning book with multi-framework code, math, and discussions. Adopted at 500 universities from 70 countries including Stanford, MIT, Harvard, and Cambridge.项目地址: https://gitcode.com/gh_mirrors/d2/d2l-en创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考