amazon sagemaker 练习

亚马逊的sagemaker 提供了模型训练到部署的全流程支持，下面这个例子是其参考手册的入门例子，记录一下整体流程，具体代码操作可以查看其手册。

1 创建Amazon账号，建立IAM 用户（identify and access management）

2 建立 S3 bucket （Amazon simple storage service ） 用于存放训练数据和调优后的模型代码/模型工件（model artifact）

3建立sagemaker notebook 实例 

4训练模型（可以选用amazon内置的模型也可以上传自己的深度学习模型，入门例程仅适用内置模型，内置模型也有两种操作模型，一种是使用high-level的内置python library，一种是使用AWS SDK，前一种非常方便，后一种虽然复杂，但对于了解整个配置过程有帮助，按后一种讲解）

4.1 建立jupyter notebook，选择conda python3，定义角色role和相应的bucket

4.2下载、整理、转换训练数据，并上传到s3中

      4.2.1给出下载地址url，解压到训练、验证和测试三部分；

      4.2.2整理清洗数据；

      4.2.3将数据转换类型，从numpy.array转换为 RecordIO protobuf格式，并上传到S3中的指定位置

4.3 训练模型算法

     4.3.1选择合适的算法

     4.3.2创建一个训练任务

            指定训练代码的docker image； 指定超参数；指定输入输出的位置（S3）

            sagemaker=boto3.client('sagema