亚马逊 AI 应用科技创新下的 Amazon SageMaker 使用教程

Amazon SageMaker 简介

亚马逊 SageMaker 是一种完全托管的机器学习服务。借助 SageMaker，数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型，然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例，供您轻松访问数据源以便进行探索和分析，因此您无需管理服务器。此外，它还可以提供常见的机器学习算法，这些算法经过了优化，可以在分布式环境中高效处理非常大的数据。借助对 bring-your-own-algorithms 和框架的本地支持，SageMaker 提供灵活的分布式训练选项，可根据您的特定工作流程进行调整。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型，以将该模型部署到安全且可扩展的环境中。

Amazon SageMaker 在控制台的使用

• 创建 Amazon SageMaker

在亚马逊云科技首页，我们登录账号之后在搜索栏输入 Amazon SageMaker 之后，我们点击第一个服务进入 Amazon SageMaker 服务选在控制面板。

• 进入服务的控制面板之后我们选择我们的服务设备

我们这里选择笔记本实例，当然要是有其他需求的小伙伴可以自行选择其他，因为我们这里时笔记本所以我就选择的时笔记本实例。然后点击创建笔记本实例即可进行下一步。

• 进入笔记本实例设置里面需要填入一下信息：

• 笔记本实例名称

• 笔记本实例类型

• Elastic Inference

• 平台标识符

• 生命周期配置

• 卷大小

• 最低 IMDS 版本等

• 设置好之后进入创建 IAM 角色控制面板，完成创建角色。

• 创建完成之后返回笔记本实例控制面板，完成笔记本实例的创建。

• 下载好代码（ipynb）文件之后，我们在笔记本实例页面点击“打开 Jupyter”，然后上传代码。选择好文件后，点击蓝色的“Upload”按键，即可完成上传。然后我们打开刚刚上传的 notebook，可以看到该文件就是一个完整的 Stable Diffusion 训练代码，这里我们的 run kernel 选择 conda_pytorch_38 或 conda_pytorch_39，因为机器学习代码是用 pytorch 写的。

模型的各项参数

• prompt (str or List[str]):引导图像生成的文本提示或文本列表

• height (int, optional, 默认为 V1 模型可支持到 512 像素，V2 模型可支持到 768 像素):生成图像的高度（以像素为单位）

• width (int, optional, 默认为 V1 模型可支持到 512 像素，V2 模型可支持到 768 像素):生成图像的宽度（以像素为单位）

• num_inference_steps (int, optional, defaults to 50):降噪步数。更多的去噪步骤通常会以较慢的推理为代价获得更高质量的图像

• guidance_scale (float, optional, defaults to 7.5):较高的指导比例会导致图像与提示密切相关，但会牺牲图像质量。 如果指定，它必须是一个浮点数。 guidance_scale<=1 被忽略。

• negative_prompt (str or List[str], optional):不引导图像生成的文本或文本列表。不使用时忽略，必须与 prompt 类型一致（不应小于等于 1.0）

• num_images_per_prompt (int, optional, defaults to 1):每个提示生成的图像数量

pytorch 训练绘图部分代码

# move Model to the GPUtorch.cuda.empty_cache()pipe = pipe.to("cuda")
# V1 Max-H:512,Max-W:512# V2 Max-H:768,Max-W:768
print(datetime.datetime.now())# 提示词，一句话或者多句话prompts =[    "Dream far away",    "A singer who is singing",]generated_images = pipe(    prompt=prompts,    height=512, # 生成图像的高度    width=512, # 生成图像的宽度    num_images_per_prompt=1 # 每个提示词生成多少个图像).images  # image here is in [PIL format](https://pillow.readthedocs.io/en/stable/)
print(f"Prompts: {prompts}\n")print(datetime.datetime.now())
for image in generated_images:    display(image)

在这里，我们设置了两个提示词：

• Dream far away：梦想远方

• A singer who is singing：一个正在唱歌的歌手

生成结构如下：