详细内容或原文请订阅后点击阅览
优化 MLOps 以实现可持续性
在本文中，我们回顾了在 AWS 上优化 MLOps 以实现可持续性的指南，提供了特定于服务的实践来了解和减少这些工作负载对环境的影响。
来源:亚马逊云科技 _机器学习机器学习操作（MLOP）是一组实践，可以自动化和简化机器学习（ML）工作流程和部署。 MLOPS提供了此概念的详细描述。随着ML的工作量变得越来越复杂并消耗了更多的能源和资源，越来越多的公司正在寻找与这些工作量相关的成本和碳足迹的方法。 AWS发布了针对AWS可持续性优化MLOP的指南，以帮助客户最大化利用率并最大程度地减少ML工作量中的废物。
什么是mlops 优化AWS可持续性MLOP的指南在这篇博客文章中，您将学习如何优化MLOP的可持续性。
如下图所示，在构建，部署和使用ML模型的总体过程中有三个主要工作流程。该过程始于数据准备，然后进行模型培训和调整，然后进行模型部署和管理。
数据准备
工作流程始于数据准备，其中包括四个组件：您的数据流，亚马逊萨格人处理作业，亚马逊萨吉式制造商功能存储和Amazon Simple Storage Service（Amazon S3）用于原始数据，如下图所示。
Amazon Sagemaker处理工作 Amazon Sagemaker功能商店 亚马逊简单存储服务（Amazon S3）数据制备对于模型培训至关重要，也是MLOP生命周期中的第一阶段。优化人工智能和机器学习（AI/ML）的数据准备工作量的可持续性最佳实践有助于降低碳足迹和成本。
由于涉及大量数据处理和计算，数据制备过程可能是复杂且能源密集的。这导致了大量资源消耗。有几件事需要考虑可以帮助减少能源消耗。
S3一个区域内访问 S3智能层