qq_43203949的博客

SageMaker使用托管容器训练本地网络模型1.实验简介本实验使用SageMaker的托管容器来训练本地编写好的代码，并将代码上传到jupyter notebook中调用SageMaker中的API接口调用托管容器来进行模型的训练。1.1项目结构目录实验代码放在TensorFlow文件夹下面，其中models放的是神经网络的model代码，tools是编写好的数据加载器。sagemaker.ipynp为调用SageMaker的容器API代码（我将通过此来申请SageMaker中的容器来训练模型）。

AWS s3访问权限1.1基础策略字段通过json来控制S3桶的访问权限，以下示例策略用于访问存储桶。该策略允许用户仅对 MY-BUCKET 执行 s3:ListBucket、s3:PutObject 和 s3:GetObject 操作：（下面我将对下面策略的字段进行解释）{ "Version":"2012-10-17", "Statement":[ { "Effect":"Allow", "Action":[ "s

AWS 学习笔记Amazon EFSAmazon EFS是一种弹性文件系统，可提供简单、可扩展、完全托管的弹性 NFS 文件系统。关于NFS可以了简单理解为网络磁盘分区。1.关于NFSNFS最大的功能就是可以透过网络，让不同的机器、不同的操作系统、可以彼此分享网络上的某个文件系统。 NFS可以让你的PC连接远程的NFS服务器上分享的目录，并挂载到本地端的PC中。就以window系统打个例子：远程的NFS服务器上分享了一个目录，姑且叫做Z盘啦。现在本地PC通过NFS可以将远端的NFS服务器上分享的目

Sagemaker学习1. 使用boto3对S3操作学sagemaker前先学习一下boto3库。因为使用Sagemaker要配合S3服务，使用这里 先学习boto3对S3服务的控制。导入import boto3指定使用AWS上哪种服务#获取s3服务资源对象(相比client对象拥有更高级的抽象调用)s3 = boto3.resource('s3',region_name=region)#获取S3客户端对象(原生)s3_client = boto3.client('s3',region_

sagemaker+deeplens报告文章目录sagemaker+deeplens报告Sagemaker学习1. 使用boto3对S3操作2.boto3调用sagemaker2.1使用sagemakerRuntime3.sagemaker库3.1EstimatorBase类3.1.1 具有以下方法：3.1.2 使用小示例部署基于SSD的目标检测模型上AWS deeplens1.AWS deeplens的两版本2.关于注册2.1关于摄像头恢复出厂设置后注册的坑3.支持的框架4.选择算法5.将MXNet框架

目录文章目录目录前言1. 创建AWS资源1.1 创建AWS S3存储桶创建权限控制跨域请求配置1.2创建lambda函数创建并编写代码捆绑一个S3存储桶（测试）测试lambda函数1.3 创建 SNS主题创建标准类型的SNS添加订阅给S3创建事件通知S3事件目标绑定SNS2.架构设计3. vue制作前端页面前端页面展示4. lambda函数的优势5. S3存储桶的优势6. AWS SDK for JS6.1 JS调用S3的资源V3 SDK JS ListObjectsV2 SDK JS upload7.