AWS Machine Learning

AWS机器学习基础奖学金

AWS ML服务

使用AWS，您可以快速构建，训练和部署模型。 Amazon Sagemaker是一项完全管理的服务，可从ML工作流中消除复杂性，因此每个开发人员和数据科学家都可以在各种用例中部署机器学习。

ML基础架构和框架

AWS工作流服务使您更容易管理和扩展基础ML基础架构。

AWS Deeplens的计算机视觉

AWS Deeplens

AWS Deeplens允许您创建和部署基于计算机视觉的应用程序。

AWS Deeplens的工作方式

AWS Deeplens与多个AWS服务集成在一起。您可以使用这些服务来创建，训练和启动您的AWS Deeplens项目。您可以想到一个AWS Deeplens项目被分为两个不同的流，如图所示。

• 首先，您使用AWS控制台创建项目，存储数据并培训模型。
• 然后，您在AWS Deeplens设备上使用训练有素的型号。在设备上，处理相机的视频流，进行推理，推理的输出将传递到两个输出流中：
  • 设备流 - 视频流通过而无需处理。
  • 项目流 - 模型处理视频帧的结果。

AWS Deepracer的强化学习

强化学习概念

基本的强化学习术语在AWS Deepracer的背景下。

• 代理：代理是AWS Deepracer汽车，其目标是尽可能快地完成 *在赛道上完成 *，而在某些情况下，避免了障碍。
• 环境：对于AWS Deepracer来说，这是我们模拟器或现实生活中的曲目。
• 状态：每个状态都是由相机捕获的图像。汽车的初始状态是轨道的起点，其终端状态是汽车完成膝盖，撞到障碍物或驶离轨道时。
• 动作： AWS深色汽车接近转弯，可以选择加速或制动，然后向左，右转或直行。
• 奖励：奖励功能是一个激励计划，将分数分配为赛道上不同区域的奖励。
• 情节：一集以最初的状态开始，当汽车离开起始位置时，在终端状态下结束，当它完成膝盖，撞到障碍物或驶离赛道时。

在强化学习模型中，代理通过使用其自己的行动反馈来试用和错误在交互式实时环境中学习。反馈是以奖励的形式给出的。

具有AWS DeepComposer的生成AI

AWS DeepComposer

AWS DeepComposer为您提供了一种开始机器学习（ML），特别是生成AI的创造性和简便方法。它由一个USB键盘组成，该键盘连接到您的计算机输入旋律和AWS DeepComposer控制台，其中包括AWS DeepComposer Music Studio，以生成音乐，学习胶囊，以深入研究生成的AI模型，以及AWS DeepComposer ChartBusters Chartbusters Chartbusters Chartbusters挑战以展示您的ML技能。

AWS DeepComposer音乐工作室

要使用AWS DeepComposer生成，创建和编辑作品，您可以使用AWS DeepComposer Music Studio。首先，您需要一个输入轨道和训练有素的模型。

对于输入轨道，您可以使用示例轨道，记录自定义轨道或导入轨道。

每种AWS DeepComposer音乐工作室体验都支持三种不同的生成AI技术：生成对抗网络（GAN），自动回归卷积神经网络（AR-CNN）和变形金刚。

• 使用GAN技术创建伴奏轨道。
• 使用AR-CNN技术在输入轨道中修改注释。
• 使用变形金刚技术将输入轨道延长长达30秒。

与AWS DeepComposer一起使用

GAN是一种生成机器学习模型，它相互互相支持，以生成新内容：生成器和歧视器。

• 发电机是一个神经网络，学会创建类似于训练的源数据的新数据。
• 鉴别器是另一个受过训练的神经网络，可以区分真实数据和合成数据。

发电机和鉴别器以交替的周期进行训练。发电机学会了产生越来越现实的数据，而歧视者迭代却在学习区分新创建的数据方面变得更好。

在训练过程中，发电机和鉴别器在以下图像中所示的紧密循环工作。

AR-CNN与AWS DeepComposer

为了训练AR-CNN模型以预测何时需要从输入轨道（编辑事件）中添加或删除音符，该模型将输入轨道更新为听起来更像训练数据集。在训练过程中，该模型还挑战了原始钢琴卷与新修改的钢琴卷之间的差异。