我不确定Amazon ML,但SageMaker使用此处列出的docker容器进行内置培训: https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-algo-docker-registry-paths.html
所以,一般来说,你可以用Amazon ML做的任何东西你应该能够用SageMaker做什么(尽管Amazon ML有一个很漂亮的架构编辑器)。
您可以查看每个容器,深入了解它们的工作原理。
您可以在此处找到SageMaker中可用算法的详尽列表: https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html
目前,截至2017年12月,这些算法都可用:
这些算法的一般SageMaker SDK接口如下所示:
from sagemaker import KMeans kmeans = KMeans(role="SageMakerRole", train_instance_count=2, train_instance_type='ml.c4.8xlarge', data_location="s3://training_data/", output_path="s3://model_artifacts/", k=10)
这里的图书馆: https://github.com/awslabs/amazon-sagemaker-examples 和这里: https://github.com/aws/sagemaker-python-sdk 对于使用SageMaker特别有用。
您也可以在这里使用Spark与SageMaker Spark库: https://github.com/aws/sagemaker-spark