14、利用内置框架扩展机器学习服务

利用内置框架扩展机器学习服务

1. 技术要求

在开始使用流行的开源机器学习和深度学习框架进行模型训练和部署之前，需要满足以下技术要求：
- AWS 账户 ：访问 https://aws.amazon.com/getting-started/ 创建账户，并了解 AWS 免费套餐（https://aws.amazon.com/free/）。
- AWS 命令行界面（CLI） ：安装并配置，参考 https://aws.amazon.com/cli/。
- Python 3.x 环境 ：避免使用 Python 2.7，建议安装 Anaconda 发行版（https://www.anaconda.com/）。
- Docker 安装 ：参考 https://docs.docker.com 获取安装说明和文档。
- Git 客户端 ：用于访问代码示例，安装参考 https://git-scm.com/，代码示例位于 https://github.com/PacktPublishing/Learn-Amazon-SageMaker。

2. 探索 Amazon SageMaker 中的内置框架

SageMaker 支持使用所有主要的机器学习和深度学习框架来训练和部署模型，以下是一些常用框架：
| 框架名称 | 简介 | 官网链接 |
| — | — | — |
| Scikit-Learn | 最广泛使用的开源机器学习库 |