这是本系列文章的第二篇，旨在通过动手实践，帮助大家学习亚马逊云科技的生成式AI相关技能。通过这些文章，大家将掌握如何利用亚马逊云科技的各类服务来应用AI技术。

那么让我们开始今天的内容吧！

介绍

什么是Amazon SageMaker

• 它是一项完全托管的机器学习服务。
• Amazon SageMaker帮助开发者和数据科学家构建和训练机器学习（ML）模型，以便快速部署在具备生产准备的托管环境中。
• 它消除了机器学习过程中的繁重工作，使开发高质量模型变得更加容易。
• 由于它是完全托管的服务，因此没有维护窗口或计划停机时间。
• 它将代码存储在由安全组保护并且静态加密的机器学习存储卷中。
• 它不会使用或与其他客户共享客户的模型、训练数据和算法。

什么是EC2竞价实例

• 竞价实例是Amazon EC2中的未使用部分，通过使用竞价实例，您可以与按需实例相比节省高达90%的成本，但如果当前价格高于您指定的最高价格，AWS可能会中断您的竞价实例。
• 竞价实例使用与按需实例和预留实例相同的EC2实例（AMI和实例类型）。它最适合用于数据可复现且能够承受随时中断的使用场景。
• 您可以将竞价实例作为按需或预留实例的附加计算容量，前提是容错是可接受的。
• EC2竞价实例可以通过与启动EC2实例相同的方式启动，比如使用竞价队列、自动伸缩组或AWS管理控制台。
• 如果AWS在一小时内终止或停止您的Amazon EC2竞价实例，则不会收取费用。
• 但是，如果您选择自行停止或终止新启动的竞价实例，您将需要支付已使用的总秒数的费用。

架构图

任务详情

1. 创建一个Amazon SageMaker笔记本实例
2. 打开JupyterLab并将内核环境设置为EC2实例
3. 在Apache服务器上执行单元格

任务 1: 创建一个Amazon SageMaker笔记本实例

确保您处于美国东部（弗吉尼亚北部）us-east-1区域，在控制台顶部的服务菜单中点击Amazon SageMaker，然后展开左侧面板中的笔记本选项并点击笔记本实例。

点击“创建笔记本实例”按钮。在“笔记本实例设置”部分，输入笔记本实例名称为 whiz，选择实例类型为 ml.t2.medium，保持其他选项为默认值。在“权限和加密”部分，从下拉菜单中选择 创建新角色，在弹出窗口中确保S3存储桶选项为“任何S3存储桶”，然后点击“创建角色”按钮。

 IAM 角色已创建。

 保持所有选项为默认值，点击“创建笔记本实例”按钮，笔记本实例将在大约5分钟内启动并运行。

 等待状态变为“已服务中”（InService）

任务2：打开JupyterLab并设置内核环境

点击“打开JupyterLab”按钮。

您将被重定向到运行环境，选择左侧面板中的Amazon SageMaker示例笔记本图标。

通过向右拖动主窗口展开左侧面板，滚动并双击左侧面板中的xgboost_managed_spot_training.ipynb文件。

复制创建后会提示选择内核，从下拉菜单中选择conda_python3并点击“选择”。

任务4：执行

第一段代码介绍了变量设置和函数定义，逐个选择单元格并点击“运行选定的单元格并前进”图标。

 

 运行完成后将打印输出，单元格会显示一个编号。

向下滚动并执行名为“Fetching the dataset”的单元格，点击“运行选定的单元格并前进”图标。

单元格运行完成后，将显示输出结果。

执行下一个单元格，点击“运行选定的单元格并前进”图标。

现在继续执行下一个单元格，点击“运行选定的单元格并前进”图标。

执行下一个单元格，点击“运行选定的单元格并前进”图标，训练任务将开始，等待执行完成。

 

跳过自动模型调优训练，执行倒数第二个单元格，点击“运行选定的单元格并前进”图标，输出将包含检查点的路径。

实例启动并完成训练任务大约需要5分钟，执行完成后将以百分比形式显示使用竞价实例的节省情况。

结尾语

完成训练任务后，您可以查看输出结果，其中将以百分比形式显示使用竞价实例所节省的成本。通过这一流程，您可以体验到Amazon SageMaker结合EC2竞价实例所带来的高效与成本优势。无论是在模型训练还是资源优化方面，这种结合都能为您的机器学习工作流带来更大的灵活性与可控性。

lab内容参考自whizlabs平台的lab实验，如需想要完整练习上面内容推荐去相关平台进行学习。