文本分类- TensorFlow

Amazon SageMaker 文本分类- TensorFlow 算法是一种监督学习算法，它支持使用来自TensorFlow 中心的许多预训练模型进行迁移学习。使用迁移学习，即使没有大量文本数据可用，也可以在您自己的数据集上对一个可用的预先训练模型进行微调。文本分类算法将文本字符串作为输入，并输出每个类标签的概率。训练数据集必须采用CSV格式。本页包含有关 Amazon EC2 实例推荐和文本分类示例笔记本的信息- TensorFlow。

主题

• 如何使用 SageMaker 文本分类- TensorFlow 算法
• 文本分类- TensorFlow 算法的输入和输出接口
• Amazon 推荐的文本分类EC2实例- TensorFlow 算法
• 文本分类- TensorFlow 样本笔记本
• 文本分类- TensorFlow 工作原理
• TensorFlow 集线器型号
• 文本分类- TensorFlow 超参数
• 调整文本分类- TensorFlow 模型

Amazon 推荐的文本分类EC2实例- TensorFlow 算法

文本分类- TensorFlow 算法支持所有CPU和GPU实例进行训练，包括：

• ml.p2.xlarge

• ml.p2.16xlarge

• ml.p3.2xlarge

• ml.p3.16xlarge

• ml.g4dn.xlarge

• ml.g4dn.16.xlarge

• ml.g5.xlarge

• ml.g5.48xlarge

对于大批量训练，我们建议使用内存更大的GPU实例。两个实例CPU（例如 M5）和GPU（P2、P3、G4dn 或 G5）实例都可用于推理。有关各 AWS 区域 SageMaker 训练和推理实例的完整列表，请参阅 Amazon SageMaker 定价。

文本分类- TensorFlow 样本笔记本

有关如何使用 SageMaker 文本分类- TensorFlow 算法对自定义数据集进行迁移学习的更多信息，请参阅《文本分类简介》笔记本。 JumpStart

有关如何创建和访问可用于在中运行示例的 Jupyter 笔记本实例的说明 SageMaker，请参阅。Amazon SageMaker 笔记本实例创建并打开笔记本实例后，选择 “SageMaker示例” 选项卡以查看所有 SageMaker 示例的列表。要打开笔记本，请选择其使用选项卡，然后选择创建副本。