日韩在线猛交-日韩在线免-日韩在线免费-日韩在线免费观看视频-日韩在线免费看-日韩在线免费看网站-日韩在线免费视频观看-日韩在线欧美

　　導(dǎo)讀：在今天的亞馬創(chuàng)新大會AWS Re:INVENT上，亞馬遜云服務(wù)AWS的遜創(chuàng)新CEO，Andy Jassy向4萬多個到場觀眾介紹了這一整套加速機器學(xué)習(xí)流程的推出南京外圍（外圍預(yù)約）外圍包夜（電話微信365-*2895）一二線城市可以快速安排，真實上門外圍上門外圍女30分鐘到達(dá)托管服務(wù)，SageMaker。個重I工以及推出4個重磅AI工具，亞馬視頻定向追蹤工具Amazon Rekognition Video tool，遜創(chuàng)新音頻轉(zhuǎn)文本Amazon Transcribe，推出情緒理解Amazon Comprehend，個重I工語言翻譯Amazon Translate。亞馬

　　機器學(xué)習(xí)現(xiàn)在已經(jīng)在多個領(lǐng)域爆發(fā)出驚人的遜創(chuàng)新能量，企業(yè)通過獲取有效的推出用戶數(shù)據(jù)，可以高效鎖定用戶的個重I工需求，針對性地提供服務(wù)，亞馬營收利潤的遜創(chuàng)新拉升效果立竿見影。

　　但對于大多數(shù)急著上車的推出企業(yè)來說，自身業(yè)務(wù)結(jié)合人工智能技術(shù)最難的地方在于，沒有辦法迅速找到資深的AI專家來分析業(yè)務(wù)鏈，并搭建相應(yīng)的機器學(xué)習(xí)模型解決核心問題，提升生產(chǎn)或者服務(wù)環(huán)節(jié)的效率。

　　亞馬遜敏銳地捕捉到了這個痛點，南京外圍（外圍預(yù)約）外圍包夜（電話微信365-*2895）一二線城市可以快速安排，真實上門外圍上門外圍女30分鐘到達(dá)在今天的創(chuàng)新大會AWS Re:INVENT上，亞馬遜云服務(wù)AWS的CEO，Andy Jassy向4萬多個到場觀眾介紹了這一整套加速機器學(xué)習(xí)流程的托管服務(wù)，SageMaker。以及推出4個重磅AI工具，視頻定向追蹤工具Amazon Rekognition Video tool，音頻轉(zhuǎn)文本Amazon Transcribe，情緒理解Amazon Comprehend，語言翻譯Amazon Translate。


　　SageMaker，是專門為想要加碼AI技術(shù)的企業(yè)和開發(fā)者量身打造的，端對端的機器學(xué)習(xí)服務(wù)。這個服務(wù)可以讓數(shù)據(jù)科學(xué)家，開發(fā)者，以及機器學(xué)習(xí)的專家可以快速搭建、訓(xùn)練、托管一定規(guī)模的機器學(xué)習(xí)。

　　SageMaker的構(gòu)成：

　　編碼

　　從零搭建帶有虛擬學(xué)習(xí)環(huán)境的Web應(yīng)用程序，用來數(shù)據(jù)挖掘清理和處理。

　　開發(fā)者可以在這上面跑常規(guī)類型的實例，或者GPU驅(qū)動的實例。

　　模型訓(xùn)練

　　分布式模型的搭建、訓(xùn)練、驗證服務(wù)。你可以直接用預(yù)裝好的監(jiān)督學(xué)習(xí)或者無監(jiān)督學(xué)習(xí)算法，也可以自己用Docer容器引擎訓(xùn)練一個模型。

　　這種訓(xùn)練可以數(shù)十倍地處理實例，這樣搭建模型的速度就超快的。訓(xùn)練的數(shù)據(jù)從S3（全稱Amazon Simple Storage Service）讀取，生成的數(shù)據(jù)也會放進(jìn)S3。經(jīng)過模型生成的數(shù)據(jù)是基于模型的參數(shù)的，而不是模型演算出來的代碼。這樣分開處理，可以更好地用SageMaker來訓(xùn)練用于其他平臺的模型，比如那些物聯(lián)網(wǎng)設(shè)備。

　　模型托管

　　帶HTTPs端點的托管模型的服務(wù)，能讓開發(fā)者的模型拿到實時的演算。這些端點可以緩解流量壓力，也可以在多個模型上同時進(jìn)行A/B測試。同樣，開發(fā)者可以直接使用內(nèi)置的SDK搭建這些端點，也可以用Docker鏡像來設(shè)置你自己的參數(shù)。

　　“自夸一下，我覺得SageMaker端對端服務(wù)最強大的地方，是這三部分可以分開獨立使用，靈活地補充改進(jìn)企業(yè)現(xiàn)有的機器學(xué)習(xí)工作流程，”在發(fā)布會上，AWS的CEO強調(diào)SageMaker的靈活性?！八忍峁┈F(xiàn)成的工具，也可以允許開發(fā)者自己搭建。不管哪種選擇，這個服務(wù)都可以用上最主流的算法?！?br>
　　△ AWS的CEO，Andy Jassy

　　預(yù)設(shè)好的Jupyter Notebook，內(nèi)置了10種常見的算法，這樣就可以解決很多常見機器學(xué)習(xí)的問題了。如果用戶有特殊的需求，還可以自己搭建機器學(xué)習(xí)的算法框架，比如TensorFlow，MXNet，Caffe等。

　　然后用戶還可以把訓(xùn)練的數(shù)據(jù)先放在AWS的簡易內(nèi)存服務(wù)（Simple Storage Service，簡稱S3）。SageMaker會把所有數(shù)據(jù)處理一遍，然后自己搭建一個數(shù)據(jù)工作流，彈性塊儲存量，以及其他要素。然后全部處理完之后再把它們拆分開。

　　這樣，開發(fā)者們就可以通過優(yōu)化烘焙后的超參數(shù)來精準(zhǔn)微調(diào)他們模型的表現(xiàn)。

　　“以往這些工作都是手動操作的，非常的傷神費時，現(xiàn)在有了AWS省心多了，可以同時測多個參數(shù)，再用機器學(xué)習(xí)來優(yōu)化這個過程。”Jassy說。

　　一旦模型訓(xùn)練好了之后，開發(fā)者可以告訴SageMaker他們想用多少個虛擬機器來試跑這套模型。另外，還可以在SageMaker上做A/B測試，讓開發(fā)者們直觀地看到他們模型在改動了哪個參數(shù)后有更好的表現(xiàn)。

　　SageMaker能解決哪些開發(fā)者們關(guān)心的問題

　　收集和準(zhǔn)備數(shù)據(jù)

　　選擇和優(yōu)化機器學(xué)習(xí)的算法

　　搭建和管理訓(xùn)練的環(huán)境

　　訓(xùn)練和調(diào)整模型

　　開始把模型放進(jìn)生產(chǎn)流程中

　　推廣模型的應(yīng)用以及隨時管理監(jiān)控

　　現(xiàn)在這項服務(wù)是免費的，不過一旦使用者超過一定的使用限度，就要根據(jù)使用頻率和地域來收費了。

　　除了這款A(yù)I云服務(wù)，亞馬遜AWS發(fā)布會還推出了4個重磅新工具。

　　視頻定向追蹤工具Amazon Rekognition Video

　　能從多個實時的監(jiān)控流中識別出特定的人，并持續(xù)定向跟蹤。這個功能目前已經(jīng)超過了競爭對手谷歌和微軟。

　　為了配合這套算法，亞馬遜今天還推出AI驅(qū)動的DeepLens攝像頭。根據(jù)亞馬遜以往硬件席卷市場的表現(xiàn)，可以預(yù)見DeepLens很有可能是亞馬遜下一款殺手級硬件。

　　雖然谷歌也在兩個月之前推出了一款A(yù)I驅(qū)動的攝像頭Clips，不過谷歌的這款攝像頭更多的是服務(wù)C端消費者，一旦眼前發(fā)生有趣的事情，會自動拍照和攝像。而亞馬遜的DeepLens是面向技術(shù)開發(fā)人員的。

　　大概是250刀的DeepLens高清攝像機附帶了預(yù)訓(xùn)練模型，這些模型將使開發(fā)人員能夠更輕松地開始識別出現(xiàn)在視頻流中的文本字符。 另外，開發(fā)人員還可以借助AWS的新SageMaker AI服務(wù)來訓(xùn)練自己的圖像識別模型，然后在相機上運行這些模型。

　　音頻轉(zhuǎn)文本系統(tǒng)Amazon Transcribe system

　　可以把音頻文件中的人類語言直接轉(zhuǎn)成文本

　　現(xiàn)在網(wǎng)絡(luò)上的音頻內(nèi)容越來越多，怎么從音頻中識別檢索提取出特定的信息是個大難題。

　　亞馬遜今天推出的這個革命性的引擎，能夠把音頻轉(zhuǎn)換成文本，使得音頻信息也可以被檢索了。

　　Q：辣音頻轉(zhuǎn)文本可以用在哪些場景？

　　好多地方呀，比如以后煲美劇日劇韓劇可以獲得實時字幕，直接就有熟肉看了，不用再辛苦字幕組的小伙伴人肉翻譯了?；蛘呦胩岣呖头行姆?wù)質(zhì)量的企業(yè)，可以不用再花大量的時間挨個聽電話錄音文件了，直接看文字版效率高得多。

　　不過目前Amazon Transcribe暫時只支持英文和西班牙語。但亞馬遜官方說啦，未來幾個星期馬上就會推出新的版本，到時會支持更多語種的。

　　情緒理解服務(wù)Amazon Comprehend service

　　能從文本的用詞、語境、人物描述中識別出背后的積極或消極情緒。目前來說，也是只支持英語和西班牙語。

　　首先加的4個功能是，識別語言，名詞分類，情緒分析和關(guān)鍵短語提取。這些功能都是為了社交互動功能開發(fā)的，響應(yīng)時間達(dá)到百毫秒級別。

　　Amazon Comprehend目前需要不停地訓(xùn)練，才能提供更好的自然語言處理服務(wù)。亞馬遜的工程師團隊和數(shù)據(jù)科學(xué)家正在不懈努力，擴充和精篩訓(xùn)練的數(shù)據(jù)，希望以后大家用起來越來越精準(zhǔn)。

　　最后一個是之前6月份預(yù)告過的翻譯工具Amazon Translate

　　在兩年前收購了Safafa的技術(shù)之后，亞馬遜終于推出了自己的語言翻譯服務(wù)。不過，這一項服務(wù)比谷歌微軟落后了好幾年。

　　該技術(shù)是基于神經(jīng)網(wǎng)絡(luò)中代表的語言配對模型。

　　該模型由一個編碼和解碼兩部分組成。編碼部分從待翻譯語言中讀取句子，并創(chuàng)建一個目標(biāo)語言的表達(dá)來匹配指定文本的含義。創(chuàng)建了新的表達(dá)后，再交給模型的解碼部分，看看生成的表達(dá)是不是符合目標(biāo)語言語料庫中的表述習(xí)慣，以及語義有沒有發(fā)生偏差。

　　同時，為了翻譯得盡可能準(zhǔn)確又簡練，這個模型中還有一個機制，叫Attention mechanism。隨時留意被翻譯語言文本中的每個單詞，并結(jié)合上下文語境，判斷哪些詞是要翻譯成目標(biāo)語言的，哪些是可以扔掉不要的。

　　亞馬遜希望這個翻譯工具可以結(jié)合其他AWS服務(wù)，比如文本轉(zhuǎn)語音的Polly程序; 用于多語言搜索的Elasticsearch工具; Lex聊天工具; 以及通過Amazon Lambda提供的內(nèi)容本地化服務(wù)。

　　正如CNBC早些時候報道的那樣 ，這項新服務(wù)很可能是基于亞馬遜兩年前購買Safafa的技術(shù)。 今天的公告證實了這些早期的報告，并將AWS引入了微軟和谷歌提供的翻譯服務(wù)。

　　據(jù)Canalys稱，AWS 在第三季度以31.8％的份額領(lǐng)先云基礎(chǔ)設(shè)施服務(wù)市場。 在這個季度，AWS為亞馬遜帶來了45.8億美元的收入和超過10億美元的營業(yè)收入 。