導(dǎo)讀：在今天的亞馬創(chuàng)新大會(huì)AWS Re:INVENT上，亞馬遜云服務(wù)AWS的遜創(chuàng)新CEO，Andy Jassy向4萬(wàn)多個(gè)到場(chǎng)觀眾介紹了這一整套加速機(jī)器學(xué)習(xí)流程的推出大連沙河口區(qū)（援交）援交上門(mén)崴信159-8298-6630提供外圍女小姐上門(mén)服務(wù)快速安排面到付款托管服務(wù)，SageMaker。個(gè)重I工以及推出4個(gè)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(gè)重I工語(yǔ)言翻譯Amazon Translate。亞馬

　　機(jī)器學(xué)習(xí)現(xiàn)在已經(jīng)在多個(gè)領(lǐng)域爆發(fā)出驚人的遜創(chuàng)新能量，企業(yè)通過(guò)獲取有效的推出用戶(hù)數(shù)據(jù)，可以高效鎖定用戶(hù)的個(gè)重I工需求，針對(duì)性地提供服務(wù)，亞馬營(yíng)收利潤(rùn)的遜創(chuàng)新拉升效果立竿見(jiàn)影。

　　但對(duì)于大多數(shù)急著上車(chē)的推出企業(yè)來(lái)說(shuō)，自身業(yè)務(wù)結(jié)合人工智能技術(shù)最難的地方在于，沒(méi)有辦法迅速找到資深的AI專(zhuān)家來(lái)分析業(yè)務(wù)鏈，并搭建相應(yīng)的機(jī)器學(xué)習(xí)模型解決核心問(wèn)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(gè)痛點(diǎn)，大連沙河口區(qū)（援交）援交上門(mén)崴信159-8298-6630提供外圍女小姐上門(mén)服務(wù)快速安排面到付款在今天的創(chuàng)新大會(huì)AWS Re:INVENT上，亞馬遜云服務(wù)AWS的CEO，Andy Jassy向4萬(wàn)多個(gè)到場(chǎng)觀眾介紹了這一整套加速機(jī)器學(xué)習(xí)流程的托管服務(wù)，SageMaker。以及推出4個(gè)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(yǔ)言翻譯Amazon Translate。


　　SageMaker，是專(zhuān)門(mén)為想要加碼AI技術(shù)的企業(yè)和開(kāi)發(fā)者量身打造的，端對(duì)端的機(jī)器學(xué)習(xí)服務(wù)。這個(gè)服務(wù)可以讓數(shù)據(jù)科學(xué)家，開(kāi)發(fā)者，以及機(jī)器學(xué)習(xí)的專(zhuān)家可以快速搭建、訓(xùn)練、托管一定規(guī)模的機(jī)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(lái)數(shù)據(jù)挖掘清理和處理。

　　開(kāi)發(fā)者可以在這上面跑常規(guī)類(lèi)型的實(shí)例，或者GPU驅(qū)動(dòng)的實(shí)例。

　　模型訓(xùn)練

　　分布式模型的搭建、訓(xùn)練、驗(yàn)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(wú)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(gè)模型。

　　這種訓(xùn)練可以數(shù)十倍地處理實(shí)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(chēng)Amazon Simple Storage Service）讀取，生成的數(shù)據(jù)也會(huì)放進(jìn)S3。經(jīng)過(guò)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(lái)的代碼。這樣分開(kāi)處理，可以更好地用SageMaker來(lái)訓(xùn)練用于其他平臺(tái)的模型，比如那些物聯(lián)網(wǎng)設(shè)備。

　　模型托管

　　帶HTTPs端點(diǎn)的托管模型的服務(wù)，能讓開(kāi)發(fā)者的模型拿到實(shí)時(shí)的演算。這些端點(diǎn)可以緩解流量壓力，也可以在多個(gè)模型上同時(shí)進(jìn)行A/B測(cè)試。同樣，開(kāi)發(fā)者可以直接使用內(nèi)置的SDK搭建這些端點(diǎn)，也可以用Docker鏡像來(lái)設(shè)置你自己的參數(shù)。

　　“自夸一下，我覺(jué)得SageMaker端對(duì)端服務(wù)最強(qiáng)大的地方，是這三部分可以分開(kāi)獨(dú)立使用，靈活地補(bǔ)充改進(jìn)企業(yè)現(xiàn)有的機(jī)器學(xué)習(xí)工作流程，”在發(fā)布會(huì)上，AWS的CEO強(qiáng)調(diào)SageMaker的靈活性。“它既提供現(xiàn)成的工具，也可以允許開(kāi)發(fā)者自己搭建。不管哪種選擇，這個(gè)服務(wù)都可以用上最主流的算法。”

　　△ AWS的CEO，Andy Jassy

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

　　然后用戶(hù)還可以把訓(xùn)練的數(shù)據(jù)先放在AWS的簡(jiǎn)易內(nèi)存服務(wù)（Simple Storage Service，簡(jiǎn)稱(chēng)S3）。SageMaker會(huì)把所有數(shù)據(jù)處理一遍，然后自己搭建一個(gè)數(shù)據(jù)工作流，彈性塊儲(chǔ)存量，以及其他要素。然后全部處理完之后再把它們拆分開(kāi)。

　　這樣，開(kāi)發(fā)者們就可以通過(guò)優(yōu)化烘焙后的超參數(shù)來(lái)精準(zhǔn)微調(diào)他們模型的表現(xiàn)。

　　“以往這些工作都是手動(dòng)操作的，非常的傷神費(fèi)時(shí)，現(xiàn)在有了AWS省心多了，可以同時(shí)測(cè)多個(gè)參數(shù)，再用機(jī)器學(xué)習(xí)來(lái)優(yōu)化這個(gè)過(guò)程。”Jassy說(shuō)。

　　一旦模型訓(xùn)練好了之后，開(kāi)發(fā)者可以告訴SageMaker他們想用多少個(gè)虛擬機(jī)器來(lái)試跑這套模型。另外，還可以在SageMaker上做A/B測(cè)試，讓開(kāi)發(fā)者們直觀地看到他們模型在改動(dòng)了哪個(gè)參數(shù)后有更好的表現(xiàn)。

　　SageMaker能解決哪些開(kāi)發(fā)者們關(guān)心的問(wèn)題

　　收集和準(zhǔn)備數(shù)據(jù)

　　選擇和優(yōu)化機(jī)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(kāi)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(shí)管理監(jiān)控

　　現(xiàn)在這項(xiàng)服務(wù)是免費(fèi)的，不過(guò)一旦使用者超過(guò)一定的使用限度，就要根據(jù)使用頻率和地域來(lái)收費(fèi)了。

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

　　視頻定向追蹤工具Amazon Rekognition Video

　　能從多個(gè)實(shí)時(shí)的監(jiān)控流中識(shí)別出特定的人，并持續(xù)定向跟蹤。這個(gè)功能目前已經(jīng)超過(guò)了競(jìng)爭(zhēng)對(duì)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(dòng)的DeepLens攝像頭。根據(jù)亞馬遜以往硬件席卷市場(chǎng)的表現(xiàn)，可以預(yù)見(jiàn)DeepLens很有可能是亞馬遜下一款殺手級(jí)硬件。

　　雖然谷歌也在兩個(gè)月之前推出了一款A(yù)I驅(qū)動(dòng)的攝像頭Clips，不過(guò)谷歌的這款攝像頭更多的是服務(wù)C端消費(fèi)者，一旦眼前發(fā)生有趣的事情，會(huì)自動(dòng)拍照和攝像。而亞馬遜的DeepLens是面向技術(shù)開(kāi)發(fā)人員的。

　　大概是250刀的DeepLens高清攝像機(jī)附帶了預(yù)訓(xùn)練模型，這些模型將使開(kāi)發(fā)人員能夠更輕松地開(kāi)始識(shí)別出現(xiàn)在視頻流中的文本字符。 另外，開(kāi)發(fā)人員還可以借助AWS的新SageMaker AI服務(wù)來(lái)訓(xùn)練自己的圖像識(shí)別模型，然后在相機(jī)上運(yùn)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(lèi)語(yǔ)言直接轉(zhuǎn)成文本

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

　　亞馬遜今天推出的這個(gè)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(chǎng)景？

　　好多地方呀，比如以后煲美劇日劇韓劇可以獲得實(shí)時(shí)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。或者想提高客服中心服務(wù)質(zhì)量的企業(yè)，可以不用再花大量的時(shí)間挨個(gè)聽(tīng)電話錄音文件了，直接看文字版效率高得多。

　　不過(guò)目前Amazon Transcribe暫時(shí)只支持英文和西班牙語(yǔ)。但亞馬遜官方說(shuō)啦，未來(lái)幾個(gè)星期馬上就會(huì)推出新的版本，到時(shí)會(huì)支持更多語(yǔ)種的。

　　情緒理解服務(wù)Amazon Comprehend service

　　能從文本的用詞、語(yǔ)境、人物描述中識(shí)別出背后的積極或消極情緒。目前來(lái)說(shuō)，也是只支持英語(yǔ)和西班牙語(yǔ)。

　　首先加的4個(gè)功能是，識(shí)別語(yǔ)言，名詞分類(lèi)，情緒分析和關(guān)鍵短語(yǔ)提取。這些功能都是為了社交互動(dòng)功能開(kāi)發(fā)的，響應(yīng)時(shí)間達(dá)到百毫秒級(jí)別。

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

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

　　在兩年前收購(gòu)了Safafa的技術(shù)之后，亞馬遜終于推出了自己的語(yǔ)言翻譯服務(wù)。不過(guò)，這一項(xiàng)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(yǔ)言配對(duì)模型。

　　該模型由一個(gè)編碼和解碼兩部分組成。編碼部分從待翻譯語(yǔ)言中讀取句子，并創(chuàng)建一個(gè)目標(biāo)語(yǔ)言的表達(dá)來(lái)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(yǔ)言語(yǔ)料庫(kù)中的表述習(xí)慣，以及語(yǔ)義有沒(méi)有發(fā)生偏差。

　　同時(shí)，為了翻譯得盡可能準(zhǔn)確又簡(jiǎn)練，這個(gè)模型中還有一個(gè)機(jī)制，叫Attention mechanism。隨時(shí)留意被翻譯語(yǔ)言文本中的每個(gè)單詞，并結(jié)合上下文語(yǔ)境，判斷哪些詞是要翻譯成目標(biāo)語(yǔ)言的，哪些是可以扔掉不要的。

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

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

　　據(jù)Canalys稱(chēng)，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(chǎng)。 在這個(gè)季度，AWS為亞馬遜帶來(lái)了45.8億美元的收入和超過(guò)10億美元的營(yíng)業(yè)收入 。