在本地使用 AWS ML 模型 Random Cut Forest

Posted

技术标签:

【中文标题】在本地使用 AWS ML 模型 Random Cut Forest【英文标题】:Use AWS ML model Random Cut Forest locally 【发布时间】:2021-02-07 10:02:35 【问题描述】:

我想知道是否可以将 SageMaker 的 Random Cut Forest (RCF) 内置算法部署到本地模式。我还没有遇到任何关于它的示例实现。如果不是,我们是否可以简单地说使用 RCF 训练的模型仅限于通过 Inference Endpoints 在平台内部使​​用?

我尝试这样做时遇到了这个错误。

【问题讨论】:

【参考方案1】:

确实,SageMaker Random Cut Forest 无法在本地训练和部署。 18 个 Amazon SageMaker 内置算法旨在在 Amazon SageMaker 上进行训练和部署。 有 2 个例外:SageMaker BlazingText 和 SageMaker XGBoost,可以使用其开源对应物(fastText 和 XGBoost)和用于 SageMaker 之外的推理(例如 EC2、Lambda、本地或您的笔记本电脑 - 只要您可以安装这些库)

这里有一个实现随机森林砍伐的开源尝试https://github.com/kLabUM/rrcf;我认为它与 SageMaker RCF 代码库没有任何联系,因此结果、速度和可扩展性可能会有所不同。

【讨论】:

非常感谢,奥利维尔!

以上是关于在本地使用 AWS ML 模型 Random Cut Forest的主要内容,如果未能解决你的问题,请参考以下文章

ML-13-5条件随机场(CRF-Conditional Random Field)

AWS SageMaker ML DevOps 工具/架构 - Kubeflow?

Azure ML Studio 环境中的 Python 自定义模型错误 0085,在本地环境中运行良好

ValueError:Numpy中的非字符串名称仅在AWS Lambda上进行unpickling

编译 cuda_ndarray.cu 失败:libcublas.so.7.5:无法打开共享对象文件

AWS EC2 导致 Streamlit ML App 出现问题