エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
SageMakerをFargateで定期実行する環境をServerless Frameworkで一発でつくる - フリーランチ食べたい
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
SageMakerをFargateで定期実行する環境をServerless Frameworkで一発でつくる - フリーランチ食べたい
機械学習のモデルを学習する、あるいは推論APIを作成するにあたってSageMakerはとても便利ですが、 定期... 機械学習のモデルを学習する、あるいは推論APIを作成するにあたってSageMakerはとても便利ですが、 定期実行する機能をSageMaker自身では持っていない という問題があります。 このエントリでは、Serverless Framework(以降、Serverless)を使って素早くSageMakerの定期実行環境を構築する方法を紹介します。 以下が構成図です。 この環境を構築は、下記を前提としているのでご留意ください。 VPC、サブネットは既に作成しているものを利用する 学習用のデータはこの環境以外からアップロードされる またコードはすべて以下のリポジトリにアップロードしており、これをベースに説明をしていきます。 github.com 環境 serverless framework: 1.49.0 sagemaker(Python SDK): 1.35.0 boto3: 1.9.1