2017年11月27日至12月1日，亞馬遜在拉斯維加斯舉辦年度的“re:INVENT”大會，發(fā)布許多新服務(wù)、硬件，也帶來許多開發(fā)者和AWS的專家們之間交流的機會。在人工智能、機器學習如此火熱的年代，亞馬遜AWS也發(fā)布了以 SageMaker 為重點的多個機器學習服務(wù)。雷鋒網(wǎng) AI 科技評論把相關(guān)情況簡單介紹如下。

　　一個新的機器學習云服務(wù)

云服務(wù)的意義是把傳統(tǒng)來講非常復雜的軟件管理流程以及IT硬件管理流程一股腦丟掉，讓企業(yè)只需要關(guān)注于自己真正的業(yè)務(wù)，而且還能方便地隨時擴大規(guī)模。如今，機器學習受到了開發(fā)者們越來越多的關(guān)注，而它也同樣也會遇到軟硬件環(huán)境的配置的問題。AWS看到了這種需求，也就打算站出來擺平這其中的種種困難。

在這次“re:INVENT 2017”大會上，亞馬遜就正式宣布了自己的機器學習云服務(wù) SageMaker，它會給開發(fā)人員和數(shù)據(jù)科學家們提供一個新的框架，讓他們方便地管理機器學習模型相關(guān)的整個過程，很多以往躲不掉的基礎(chǔ)性工作現(xiàn)在都可以交給AWS完成。

AWS的高級技術(shù)人員 Randall Hunt 同步發(fā)出一篇博客介紹了一些技術(shù)細節(jié)。他也介紹道，SageMaker的目的就是建立一個開發(fā)框架，在它的幫助下可以讓企業(yè)更快地把機器學習集成到自己的新應(yīng)用中。“Amazon SageMaker 是一個帶有完全的管理能力的端到端機器學習服務(wù)，它可以讓數(shù)據(jù)科學家、開發(fā)者、機器學習專家們快速地建立、訓練、運行大規(guī)模的機器學習模型”。

在發(fā)布會上，AWS CEO Andy Jassy 的介紹是“讓每天都需要和機器學習打交道的開發(fā)者們方便地訓練和部署機器學習模型”。

認識一下新工具

AWS的這個新服務(wù)可以分成三個主要部分。

第一部分，授權(quán)。無需配置就可以把標準的 Jupyter 編輯器作為集成開發(fā)環(huán)境（IDE），執(zhí)行數(shù)據(jù)查看、數(shù)據(jù)清洗、預處理等等任務(wù)。這些任務(wù)可以在通用型的服務(wù)器上運行，當然也可以用帶有GPU的服務(wù)器。

第二部分，模型訓練。在這里，亞馬遜提供了分布式的模型構(gòu)建、訓練和驗證服務(wù)。SegeMaker里會自帶一些常用的監(jiān)督學習和無監(jiān)督學習算法以及框架，用戶也可以借助Docker容器創(chuàng)建自己的訓練算法。訓練過程可以在幾十臺服務(wù)器上分布式運行，以提供更快的訓練速度。訓練數(shù)據(jù)會從S3云存儲服務(wù)器讀取，模型產(chǎn)生的數(shù)據(jù)同樣也會存在S3服務(wù)器上；這些數(shù)據(jù)主要是獨立于訓練數(shù)據(jù)的模型參數(shù)，而不是可以執(zhí)行的、能夠直接用于推理任務(wù)的代碼。這種仔細思考之后的設(shè)計選擇，使得在 SegeMaker 中訓練的模型可以很方便地部署到其它平臺上去（比如物聯(lián)網(wǎng)設(shè)備中）

第三部分，模型承載。帶有HTTPs接口的模型承載服務(wù)可以調(diào)用設(shè)定好的模型，得到實時的推理結(jié)果。這些承載接口支持拓展，可以擴大規(guī)模、支持更密集的訪問，也可以設(shè)置為A/B對比，同時測試多個不同模型的結(jié)果。和前面一樣，這些接入點可以用內(nèi)嵌的SDK構(gòu)建，也可以通過Docker寫入自己的配置。

延續(xù)的一站式體驗

在發(fā)布會的演講中，Jassy重點強調(diào)了 SageMaker 的高靈活性。既可以用現(xiàn)成的工具，也可以構(gòu)建自己的新工具。不管哪種情況下，SageMaker 都能夠處理熱門的算法，不受來源的限制。

在 Constellation Research的副總裁、高級分析師 Holger Mueller 看來，這種靈活性是一柄雙刃劍。“SageMaker大幅度減少了企業(yè)構(gòu)建機器學習應(yīng)用所需的工作量、知識水平以及花費的精力。但同時這也意味著AWS是背后的那個搞定一切的人，而且在想方設(shè)法把它的云服務(wù)用戶留下來、把計算和數(shù)據(jù)負載留下來。”他覺得AWS要是野心足夠大，可能還會發(fā)布一個自己的神經(jīng)網(wǎng)絡(luò)開發(fā)平臺（像TensorFlow那樣的）。不過目前還沒有任何跡象。

不管怎么說，亞馬遜已經(jīng)打算接手運行模型所需的所有基礎(chǔ)設(shè)施，以及幫用戶自動處理節(jié)點掉線、擴容以及安全補丁等等問題。

Jassy說，一旦模型準備好了，就可以在SageMaker上把它用在任意別的服務(wù)中。“對數(shù)據(jù)科學家和開發(fā)者來說這事意義重大”。

另外，發(fā)布會上同時還發(fā)布了機器學習可編程攝像頭DeepLens、輕量機器學習運行環(huán)境Greengrass ML Inference、視頻內(nèi)容識別Rekognition Video、音頻轉(zhuǎn)文字Transcribe、語言翻譯Translate、語言識別Comprehend等多個機器學習服務(wù)，與已有的圖像識別Rekognition Image、聊天機器人Lex、文字轉(zhuǎn)語音Polly一同構(gòu)成了強大完善的可用服務(wù)。

今天開始AWS就會開始免費提供SageMaker，作為免費服務(wù)策略的一部分。在達到一定程度之后，SageMaker也就會開始根據(jù)用量和地區(qū)開始收費了。

SageMaker主頁：https://aws.amazon.com/sagemaker/

SageMaker使用介紹：https://aws.amazon.com/cn/blogs/aws/sagemaker/