Esta publicación está coescrita por Zdenko Estok, Cloud Architect en Accenture y Sakar Selimcan, DeepRacer SME en Accenture.
Con el uso cada vez mayor de la inteligencia artificial (IA) y el aprendizaje automático (ML) para la gran mayoría de las industrias (que van desde la atención médica hasta los seguros, desde la fabricación hasta el marketing), el enfoque principal cambia a la eficiencia al construir y entrenar modelos a escala. La creación de un entorno de ciencia de datos escalable y sin complicaciones es clave. Lanzar y configurar un entorno personalizado para un caso de uso específico puede llevar una cantidad considerable de tiempo y puede ser aún más difícil incorporar a colegas para que colaboren.
Según la Accenture, las empresas que logran escalar de manera eficiente la IA y el ML pueden casi triplicar el retorno de sus inversiones. Aún así, no todas las empresas cumplen con los rendimientos esperados en su viaje AI/ML. Los kits de herramientas para automatizar la infraestructura se vuelven esenciales para la escala horizontal de los esfuerzos de AI/ML dentro de una corporación.
AWS Deep Racer es una forma simple y divertida de comenzar con el aprendizaje por refuerzo (RL), una técnica de ML donde un agente descubre las acciones óptimas para tomar en un entorno determinado. En nuestro caso, sería un vehículo de AWS DeepRacer, tratando de correr rápido en una pista. Puede comenzar a usar RL rápidamente con tutoriales prácticos que lo guían a través de los conceptos básicos para entrenar modelos RL y probarlos de una manera emocionante y experiencia de carrera de autos autónomos.
Esta publicación muestra cómo las empresas pueden usar la infraestructura como código (IaC) con el Kit de desarrollo en la nube de AWS (AWS CDK) para acelerar la creación y replicación de infraestructura altamente transferible y competir fácilmente por eventos de AWS DeepRacer a escala.
“IaC combinado con un entorno Jupyter administrado nos brindó lo mejor de ambos mundos: entornos de ciencia de datos repetibles y altamente transferibles para que incorporáramos a nuestros competidores de AWS DeepRacer para centrarnos en lo que hacen mejor: entrenar modelos rápidos rápidamente”.
– Selimcan Sakar, pyme de AWS DeepRacer en Accenture.
Resumen de la solución
Orquestar todos los servicios necesarios lleva una cantidad considerable de tiempo cuando se trata de crear una plantilla escalable que se puede aplicar para múltiples casos de uso. En el pasado, Formación en la nube de AWS Se han creado plantillas para automatizar la creación de estos servicios. Con los avances en la automatización y la configuración con niveles cada vez mayores de abstracción para configurar diferentes entornos con herramientas IaC, el CDK de AWS se está adoptando ampliamente en varias empresas. AWS CDK es un marco de desarrollo de software de código abierto para definir los recursos de su aplicación en la nube. Utiliza la familiaridad y el poder expresivo de los lenguajes de programación para modelar sus aplicaciones, mientras aprovisiona recursos de manera segura y repetible.
En esta publicación, habilitamos el aprovisionamiento de diferentes componentes necesarios para realizar análisis de registro utilizando Amazon SageMaker en AWS DeepRacer a través de AWS CDK construcciones.
Aunque el gráfico de análisis proporcionado en la consola de DeepRacer es efectivo y directo con respecto a las recompensas otorgadas y el progreso logrado, no da una idea de qué tan rápido se mueve el automóvil a través de los puntos intermedios, o qué tipo de línea prefiere el automóvil alrededor de la pista. . Aquí es donde entra en juego el análisis avanzado de registros. Nuestro análisis de registro avanzado tiene como objetivo brindar eficiencia en el entrenamiento de forma retrospectiva para comprender qué funciones de recompensa y espacios de acción funcionan mejor que los demás cuando se entrenan múltiples modelos, y si un modelo se está sobreajustando, para que los corredores puedan entrenar de manera más inteligente y lograr mejores resultados con menos entrenamiento.
Nuestra solución describe una configuración de entorno de AWS DeepRacer que utiliza AWS CDK para acelerar el viaje de los usuarios que experimentan con el análisis de registros de SageMaker y el aprendizaje de refuerzo en AWS para un evento de AWS DeepRacer.
Un administrador puede ejecutar el script de AWS CDK proporcionado en el Repositorio GitHub mediante el Consola de administración de AWS o en la terminal después de cargar el código en su entorno. Los pasos son los siguientes:
- Abierto Nube de AWS9 en la consola.
- Cargue el módulo CDK de AWS desde GitHub en el entorno de AWS Cloud9.
- Configure el módulo AWS CDK como se describe en esta publicación.
- Abra el archivo cdk.context.json e inspeccione todos los parámetros.
- Modifique los parámetros según sea necesario y ejecute el comando AWS CDK con la persona prevista para iniciar el entorno configurado adecuado para esa persona.
El siguiente diagrama ilustra la arquitectura de la solución.
Con la ayuda de AWS CDK, podemos controlar la versión de nuestros recursos aprovisionados y tener un entorno altamente transportable que cumple con las mejores prácticas de nivel empresarial.
Requisitos previos
Para aprovisionar entornos de ML con AWS CDK, complete los siguientes requisitos previos:
- Tener acceso a una cuenta de AWS y permisos dentro de la Región para implementar los recursos necesarios para diferentes personas. Asegúrese de tener las credenciales y los permisos para implementar la pila de CDK de AWS en su cuenta.
- Recomendamos seguir ciertas mejores prácticas que se destacan a través de los conceptos detallados en los siguientes recursos:
- Clona el Repositorio GitHub en su entorno.
Despliegue la cartera en su cuenta
En esta implementación, usamos AWS Cloud9 para crear un entorno de ciencia de datos usando el CDK de AWS.
- Navegue a la consola de AWS Cloud9.
- Especifique su tipo de entorno, tipo de instancia y plataforma.
- Especifique su Gestión de identidades y accesos de AWS (IAM), rol, VPC y subred.
- En su entorno de AWS Cloud9, cree una nueva carpeta llamada DeepRacer.
- Ejecute el siguiente comando para instalar el CDK de AWS y asegúrese de tener las dependencias correctas para implementar la cartera:
- Para verificar que el CDK de AWS se haya instalado y acceder a los documentos, ejecute el siguiente comando en su terminal (debería redirigirlo a la documentación del CDK de AWS):
- Ahora podemos clonar el repositorio de AWS DeepRacer desde GitHub.
- Abra el repositorio clonado en AWS Cloud9:
Después de revisar el contenido en el DeepRacer_cdk
directorio, habrá un archivo llamado package.json
con todos los módulos requeridos y dependencias definidas. Aquí es donde puede definir sus recursos en un módulo.
- A continuación, instale todos los módulos y dependencias necesarios para la aplicación AWS CDK:
Esto sintetizará la plantilla de CloudFormation correspondiente.
- Para ejecutar la implementación, cambie el archivo context.json con los nombres de los parámetros o defínalos explícitamente durante el tiempo de ejecución:
Los siguientes componentes se crean para el análisis de registros de AWS DeepRacer en función de la ejecución del script:
- An Rol de IAM para el cuaderno de SageMaker con una política administrada
- A Instancia de cuaderno de SageMaker con el tipo de instancia agregado explícitamente como un parámetro de contexto de cdk o un valor predeterminado almacenado en el archivo context.json
- Una VPC con CIDR como se especifica en el archivo context.json junto con cuatro subredes públicas configuradas
- Un nuevo grupo de seguridad para la instancia de notebook de Sagemaker que permite la comunicación dentro de la VPC
- Una política de ciclo de vida de SageMaker con un script bash que precarga el contenido de otro Repositorio GitHub, que contiene los archivos que usamos para ejecutar el análisis de registros en los modelos de AWS DeepRacer
- Puede ejecutar la pila de CDK de AWS de la siguiente manera:
- Vaya a la consola de AWS CloudFormation en la región donde se implementa la pila para verificar los recursos.
Ahora los usuarios pueden comenzar a usar esos servicios para trabajar con análisis de registros y entrenamiento profundo del modelo RL en SageMaker para AWS DeepRacer.
Pruebas de módulos
También puede ejecutar algunas pruebas unitarias antes de implementar la pila para verificar que no eliminó accidentalmente ningún recurso requerido. Las pruebas unitarias se encuentran en DeepRacer/test/deep_racer.test.ts
y se puede ejecutar con el siguiente código:
Generar diagramas usando cdk-dia
Para generar diagramas, complete los siguientes pasos:
- Instalar
graphviz
utilizando las herramientas de su sistema operativo:
Esto instala la aplicación cdk-dia.
- Ahora ejecuta el siguiente código:
Se almacenará una representación gráfica de su pila de CDK de AWS en formato .png.
Después de ejecutar los pasos anteriores, debería poder ver el proceso de creación de la instancia del cuaderno con el estado Pendiente. Cuando el estado de la instancia del cuaderno es En servicio (como se muestra en la siguiente captura de pantalla), puede continuar con los siguientes pasos.
- Elige Jupyter abierto para comenzar a ejecutar el script de Python para realizar el análisis de registro.
Para obtener detalles adicionales sobre el análisis de registros con AWS DeepRacer y las visualizaciones asociadas, consulte Uso del análisis de registros para impulsar experimentos y ganar la carrera AWS DeepRacer F1 ProAm Race.
Limpiar
Para evitar cargos continuos, complete los siguientes pasos:
- Utilice cdk destroy para eliminar los recursos creados a través de AWS CDK.
- En la consola de AWS CloudFormation, elimine la pila de CloudFormation.
Conclusión
Los eventos de AWS DeepRacer son una excelente manera de generar interés y aumentar el conocimiento de ML en todos los pilares y niveles de una organización. En esta publicación, compartimos cómo puede configurar un entorno dinámico de AWS DeepRacer y configurar servicios selectivos para acelerar el viaje de los usuarios en la plataforma de AWS. Discutimos cómo crear servicios Instancia de notebook de Amazon SageMaker, roles de IAM, configuración del ciclo de vida de notebook de SageMaker con las mejores prácticas, una VPC y Nube informática elástica de Amazon (Amazon EC2) basadas en la identificación del contexto mediante el CDK de AWS y el escalado para diferentes usuarios mediante AWS DeepRacer.
Configure el entorno de CDK y ejecute el cuaderno de análisis de registro avanzado para lograr eficiencia en la ejecución del módulo. Ayude a los corredores a lograr mejores resultados en menos tiempo y obtenga información granular sobre las funciones y acciones de recompensa.
Referencias
Hay más información disponible en los siguientes recursos:
- Automatice la configuración de Amazon SageMaker Studio con AWS CDK
- Referencia de la API del CDK de AWS SageMaker
Acerca de los autores
Zdenko Estok trabaja como arquitecto de nube e ingeniero DevOps en Accenture. Trabaja con AABG para desarrollar e implementar soluciones innovadoras en la nube y se especializa en infraestructura como código y seguridad en la nube. A Zdenko le gusta ir en bicicleta a la oficina y disfruta de agradables paseos por la naturaleza.
Selimcán “Can” Sakar es un desarrollador de nube y arquitecto de soluciones en Accenture con un enfoque en inteligencia artificial y una pasión por ver cómo convergen los modelos.
Shikhar Kwatra es un arquitecto de soluciones especialista en IA/ML en Amazon Web Services, que trabaja con un integrador de sistemas global líder. Shikhar ayuda en la arquitectura, la creación y el mantenimiento de entornos de nube escalables y rentables para la organización, y apoya al socio de GSI en la creación de soluciones industriales estratégicas en AWS. Shikhar disfruta tocar la guitarra, componer música y practicar la atención plena en su tiempo libre.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://aws.amazon.com/blogs/machine-learning/configure-an-aws-deepracer-environment-for-training-and-log-analysis-using-the-aws-cdk/
- 10
- 100
- 11
- 7
- 9
- a
- Poder
- acelerar
- Accenture
- de la máquina
- accidentalmente
- Mi Cuenta
- Lograr
- alcanzado
- a través de
- la columna Acción
- acciones
- adicional
- Adicionales
- adoptado
- avanzado
- avances
- Después
- Agente
- AI
- AI / ML
- SIDA
- paquete de capacitación DWoVH
- Todos
- Permitir
- Amazon
- Amazon EC2
- Amazon SageMaker
- Estudio Amazon SageMaker
- Amazon Web Services
- cantidad
- análisis
- y
- Otra
- abejas
- applicación
- Aplicación
- aplicaciones
- aplicada
- arquitectura
- en torno a
- artificial
- inteligencia artificial
- Inteligencia Artificial (AI)
- ayudar
- asociado
- automatizado
- Automatización
- Hoy Disponibles
- AWS
- Nube de AWS9
- Formación en la nube de AWS
- AWS Deep Racer
- basado
- golpear
- conceptos básicos
- a las que has recomendado
- antes
- "Ser"
- MEJOR
- y las mejores prácticas
- mejores
- llevar
- Construir la
- , que son
- Puede conseguir
- de
- case
- cases
- a ciertos
- el cambio
- cargos
- Soluciones
- Cloud Security
- Cloud9
- código
- colaboran
- personal
- combinado
- Comunicación
- Empresas
- competir
- competidores
- completar
- componentes
- Calcular
- conceptos
- Configuración
- considerable
- Consola
- contiene
- contenido
- contexto
- control
- converger
- CORPORACIÓN
- Correspondiente
- Para crear
- creado
- Creamos
- creación
- Referencias
- datos
- Ciencia de los datos
- profundo
- Predeterminado
- se define
- desplegar
- desplegado
- Desplegando
- despliegue
- descrito
- destruir
- detallado
- detalles
- desarrollar
- Developer
- Desarrollo
- diagramas
- una experiencia diferente
- Descubre
- discutido
- documentación
- No
- el lado de la transmisión
- durante
- lugar de trabajo dinámico
- pasan fácilmente
- Eficaz
- eficiencia
- eficiente.
- esfuerzos
- ya sea
- habilitar
- ingeniero
- Nivel de Empresa
- empresas
- Entorno
- ambientes
- esencial
- Incluso
- Evento
- Eventos
- emocionante
- esperado
- expresivo
- f1
- Familiaridad
- RÁPIDO
- Archive
- archivos
- Nombre
- Focus
- siguiendo
- siguiente
- formato
- Marco conceptual
- Desde
- diversión
- funciones
- Obtén
- generar
- obtener
- GitHub
- Donar
- dado
- Buscar
- concedido
- gráfica
- maravillosa
- Grupo procesos
- guía
- emprendedor
- la salud
- ayuda
- Destacado
- altamente
- Horizontal
- Cómo
- Como Hacer
- HTML
- HTTPS
- identificar
- Identidad
- implementar
- in
- aumente
- creciente
- industrias
- energético
- información
- EN LA MINA
- originales
- penetración
- Insights
- instalar
- instalado
- ejemplo
- aseguradora
- Intelligence
- intereses
- Inversiones
- IT
- json
- Clave
- Tipo
- especialistas
- Idiomas
- lanzamiento
- líder
- aprendizaje
- línea
- Etiqueta LinkedIn
- carga
- situados
- máquina
- máquina de aprendizaje
- Mayoría
- para lograr
- gestionan
- gestionado
- Management
- manera
- Fabricación
- Marketing
- Conoce a
- Mindfulness
- ML
- modelo
- modelos
- Módulo
- Módulos
- se mueve
- múltiples
- Música
- nombres
- Naturaleza
- hace casi
- necesario
- Nuevo
- Next
- cuaderno
- Oficina
- A bordo
- en marcha
- de código abierto
- Software de código abierto
- funcionamiento
- sistema operativo
- óptimo
- solicite
- organización
- Otros
- parámetro
- parámetros
- Socio
- pasión
- pasado
- realizar
- permisos
- plataforma
- Platón
- Inteligencia de datos de Platón
- PlatónDatos
- Jugar
- jugando
- política
- portafolio
- Publicación
- industria
- prácticas
- requisitos previos
- primario
- Programación
- lenguajes de programación
- Progreso
- previsto
- provisión
- público
- Python
- con rapidez
- Carrera
- pembalap
- carreras
- aumento
- que van
- recomiendan
- reorientar
- con respecto a
- región
- remove
- repetible
- replicación
- repositorio
- representación
- Requisitos
- Recursos
- Resultados
- volvemos
- devoluciones
- una estrategia SEO para aparecer en las búsquedas de Google.
- Gana dinero
- Recompensas
- Función
- También soy miembro del cuerpo docente de World Extreme Medicine (WEM) y embajadora europea de igualdad para The Transformational Travel Council (TTC). En mi tiempo libre, soy una incansable aventurera, escaladora, patrona de día, buceadora y defensora de la igualdad de género en el deporte y la aventura. En XNUMX, fundé Almas Libres, una ONG nacida para involucrar, educar y empoderar a mujeres y niñas a través del deporte urbano, la cultura y la tecnología.
- Ejecutar
- correr
- ambiente seguro
- sabio
- escalable
- Escala
- escala ia
- la ampliación
- Ciencia:
- EN LINEA
- selectivo
- Servicios
- set
- Configure
- compartido
- Turnos
- tienes
- mostrado
- Shows
- sencillos
- más inteligente
- PYMI
- So
- Software
- Desarrollo de software ad-hoc
- a medida
- Soluciones
- algo
- espacios
- especialista
- se especializa
- soluciones y
- especificado
- montón
- comienzo
- fundó
- Estado
- pasos
- Sin embargo
- almacenados
- sencillo
- Estratégico
- estudio
- subred
- subredes
- soportes
- te
- adaptado
- ¡Prepárate!
- toma
- plantilla
- plantillas
- terminal
- test
- pruebas
- La
- Lo esencial
- su
- A través de esta formación, el personal docente y administrativo de escuelas y universidades estará preparado para manejar los recursos disponibles que derivan de la diversidad cultural de sus estudiantes. Además, un mejor y mayor entendimiento sobre estas diferencias y similitudes culturales permitirá alcanzar los objetivos de inclusión previstos.
- equipo
- a
- seguir
- Entrenar
- Formación
- Triple
- Tutoriales
- entender
- unidad
- us
- utilizan el
- caso de uso
- usuarios
- propuesta de
- diversos
- Vasto
- vehículo
- verificar
- versión
- vía
- ver
- web
- servicios web
- ¿
- sean
- que
- mientras
- extensamente
- seguirá
- ganar
- dentro de
- Actividades:
- trabajando
- funciona
- mundo
- se
- Usted
- tú
- zephyrnet