gpt4 book ai didi

amazon-web-services - Amazon SageMaker VS 的优缺点。 Amazon EMR,用于部署基于 TensorFlow 的深度学习模型?

转载 作者:行者123 更新时间:2023-12-03 15:57:08 24 4
gpt4 key购买 nike

我想建一些 神经网络 NLP 和推荐应用的模型。我要使用的框架是 TensorFlow .我计划训练这些模型并在 Amazon Web 服务上进行预测。应用程序很可能是 分布式计算 .

我想知道 SageMaker 和 EMR 对 TensorFlow 应用程序的优缺点是什么?

它们都集成了 TensorFlow。

最佳答案

一般来说,它们用于不同的目的。

EMR当您需要处理大量数据并严重依赖 Spark、Hadoop 和 MapReduce(EMR = Elastic MapReduce)时。本质上,如果您的数据量足够大,可以利用 Spark、Hadoop、Hive、HDFS、HBase 和 Pig 堆栈的效率,那么请使用 EMR。

EMR 优点:

  • 一般而言,与 EC2 实例相比成本较低
  • 顾名思义,Elastic 意味着您可以在需要时提供所需的内容
  • 开箱即用的 Hive、Pig 和 HBase

  • EMR 缺点:
  • 您需要一个非常具体的用例才能真正受益于 EMR 中的所有产品。大多数人没有利用它的全部产品

  • SageMaker是一种使机器学习更容易和分布式的尝试。市场提供开箱即用的算法和模型以供快速使用。如果您遵守它强制执行的工作流程,这是一项很棒的服务。意味着创建训练作业、部署推理端点

    SageMaker 优点:
  • 使用笔记本轻松启动和运行
  • 丰富的市场可快速试用现有模型
  • 流行算法的许多不同示例笔记本
  • 最小化配置的预定义内核
  • 易于部署的模型
  • 允许您通过部署端点来分发推理计算

  • SageMaker 缺点:
  • 昂贵的!
  • 强制执行特定的工作流程,使其难以完全自定义
  • 昂贵的!
  • 关于amazon-web-services - Amazon SageMaker VS 的优缺点。 Amazon EMR,用于部署基于 TensorFlow 的深度学习模型?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52437599/

    24 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com