《產業》AWS祭6大功能 機器學習更上手

【時報記者任珮云台北報導】AWS(Amazon Web Services)宣布推出六項Amazon SageMaker新功能，讓機器學習更容易上手且更具成本效益。此次發佈的強大新功能包括：無需編寫程式碼即可進行準確的機器學習預測、更精準的資料標記服務、可用於跨領域合作的Amazon SageMaker Studio通用型筆記本體驗、讓編碼更高效的機器學習模型訓練編譯器、為機器學習推論自動推薦運算執行個體，以及用於機器學習推論的無伺服器運算。

AWS多年來一直致力於降低機器學習的使用門檻，讓更多的客戶運用機器學習技術。Amazon SageMaker是AWS成長速度最快的服務之一，包括阿斯特捷利康（AstraZeneca）、Aurora、Capital One、Cerner、Discovery、現代汽車（Hyundai）、Intuit、路透社（Thomson Reuters）、Tyson和Vanguard等全球數萬家客戶，都使用Amazon SageMaker訓練各種規模的機器學習模型，有些模型甚至包含數十億個參數、每月進行數千億次預測。

隨著客戶在Amazon SageMaker上不斷擴展其機器學習模型訓練和推論，AWS也持續擴展服務產能，僅在過去一年就推出60多項Amazon SageMaker的新功能。

以Amazon SageMaker Training Compiler而言，是一種新的機器學習模型編譯器，可自動優化編碼提高運算資源的使用效率，並縮短訓練模型時間多達50%。先進的深度學習模型通常是龐大而複雜的，訓練單一模型可能耗費數千小時的GPU運算時間，為此它們需要專門的運算執行個體來加速訓練。為了進一步縮短訓練時間，資料科學家會嘗試增加訓練資料或調整超參數（控制機器學習訓練過程的變數），找到效能最佳且資源消耗最少的模型版本。這項工作的技術複雜度導致資料科學家沒有時間優化在GPU上執行訓練模型所需的框架。Amazon SageMaker Training Compiler與Amazon SageMaker中的TensorFlow和PyTorch版本整合，這些版本經過優化可在雲端更高效地執行，因此資料科學家可以使用他們喜歡的框架，更有效率地使用GPU訓練機器學習模型。只需點擊一下，Amazon SageMaker Training Compiler就會自動優化並編譯訓練好的模型，提高訓練執行速度多達50%。