一次 AWS SageMaker 的上手体验

SageMaker 是个啥

用 AWS 官方的语言来说，SageMaker 是一个完全托管的机器学习平台。

作为一个并不懂机器学习，之前也没了解过 SageMaker 的小白，今天看了 AWS 中国“User Group 社区”的直播后，也亲自上手体验了一下 SageMaker。

直播里面有两个小实验，体验了其中最简单的一个——在 SageMaker上部署一个 GPT-J 模型。GPT-J 是一个基于 Open AI 的 GTP-3 的自然语言处理模型，可以用作文本预测。

部署了这个模型后，运行一个简单的预测。

首先打开 SageMaker，启动一个 Jupyter Notebook 实例，规格选了 ml.t2-medium。

大概等个 2-3 分钟，Jupyter 实例就启动了。

然后进到 JupyterLab 里面，打开终端，克隆实验代码。

打开 dploy-gptj.ipynb 这个 Notebook，一步一步执行。

GPT-J 的模型存储在公有 S3 上面。通过代码部署推理实例，实例数量和大小在代码里面定义好了。

等个大概 5 分钟左右，就在 Endpoints 里面看到推理实例启动成功！

然后按照实验教程，让 GPT-J 模型预测“香港最高的建筑是……”和“香港最贵的物业是……”。

也不知道它回答的对不对，不过感觉可真是厉害。

弄完之后删除推理实例和 Jupyter 实例，避免造成额外费用。

虽说是一次简单的体验，但对于机器学习小白的我来说很震撼，心想：“没想到机器学习平台已经这么方便了，看来还有很多的东西要学啊。”