问基于AWS的机器学习(NLP)Cloud9？SageMaker？EC2-AMI？

EN

我正在寻找一个简单的工作环境，我可以快速测试我的模型，准确。不仅仅是我在做这件事，这是一个团队的努力。

由于您是作为一个团队工作，我建议您使用带有自定义码头映像的sagemaker。这样你就可以完全自由地处理你的算法了。码头图像存储在ecr中。在这里，您可以上传相同图像的多个版本，并标记它们以控制不同的版本(这些版本是从git构建的)。

Sagemaker还将执行角色提供给码头映像中。因此，您仍然可以完全访问其他aws资源(如果执行角色具有正确的权限)

own.ipynb在我看来，这是一个很好的例子开始，因为它显示了萨吉克是如何与您的形象互动。

关于其他解决方案的一些注意事项：

您发布的其他解决方案的问题是希望在同一台机器上构建和执行。当然，您可以这样做，但请记住，gpu实例是昂贵的，因此只有在代码准备运行时才会切换到云。

，其他一些笔记，

• 朱庇特笔记本电脑一般都不是为协作编程而制作的。我想他们想用jupyter实验室来改变这个，但是这个还在开发中，而sagemaker目前只使用笔记本。
• EC2作为起搏器比较便宜，但是你必须做更多的工作。特别是如果您想要运行您的模型作为码头形象。此外，使用sagemaker，您可以轻松地为模型推断构建一个端点，使用ec2实现这个端点将更加复杂。
• 云9我从未使用过这项服务，但乍一看，开发起来似乎不错，但问题仍然存在，如果您想在gpu机器上这样做的话。因为您使用ec2作为实例，所以您具有相同的优点/缺点。

我首先要指出的一点是，SageMaker笔记本并不是唯一可以与SageMaker的其他组件(如培训和托管)交互的IDE环境。事实上，只要安装了AWS或SageMaker Python，您就可以通过Cloud9或安装在EC2上甚至笔记本电脑上的任何IDE对EC2培训/托管进行API调用。

关于IDE的选择，这确实取决于您的特殊需求。SageMaker笔记本是基于木星的(现在也支持JupyterLab测试版)，专注于ML，并且完全管理。在ML中常用的数百个Python包，以及Tensorflow、Keras、MxNet、SageMaker Python等，都是为您预先安装和自动维护的。正如人们所能想象的那样，它还与SageMaker的其他组件集成得更紧密。

Cloud9也是一个托管IDE，但它是通用的，而不是特定于ML的。如果你想在cloud9上使用木星，这需要你方额外的工作。它不像SageMaker笔记本那样预装和维护与ML/DL相关的常见软件包。