В этом посте представлены и сравниваются варианты и рекомендуемые методы управления пакетами Python и виртуальными средами в Студия Amazon SageMaker блокноты. общественность Репо GitHub предоставляет практические примеры для каждого из представленных подходов.
Amazon SageMaker Studio — это интегрированная веб-среда разработки (IDE) для машинного обучения (ML), которая позволяет создавать, обучать, отлаживать, развертывать и отслеживать модели ML. Studio предоставляет все инструменты, необходимые для перехода ваших моделей от подготовки данных и экспериментов к производству, повышая вашу производительность.
Студийные записные книжки — это записные книжки Jupyter для совместной работы, которые можно быстро запустить, поскольку вам не нужно заранее настраивать вычислительные экземпляры и хранилище файлов. Когда вы открываете записную книжку в Studio, вам предлагается настроить среду, выбрав образ SageMaker, ядро, тип экземпляра и, при необходимости, сценарий конфигурации жизненного цикла, который запускается при запуске образа.
Дополнительные сведения о концепциях ноутбуков Studio и других аспектах архитектуры см. Подробное изучение архитектуры ноутбуков Amazon SageMaker Studio..
Записные книжки Studio предназначены для поддержки на всех этапах разработки машинного обучения, например, при разработке идей, экспериментировании и реализации рабочего процесса машинного обучения. Студия поставляется с готовыми изображений которые включают последние SDK Amazon SageMaker Python и, в зависимости от типа образа, другие конкретные пакеты и ресурсы, такие как библиотеки Spark, MXNet или PyTorch, а также их необходимые зависимости. Каждое изображение может содержать один или несколько ядра, которые могут быть различными виртуальными средами для разработки.
Чтобы обеспечить наилучшее соответствие процессу и этапам разработки, доступ к определенным или новейшим платформам машинного обучения или выполнение требований к доступу к данным и управлению, вы можете настроить предварительно созданные среды ноутбуков или создать новые среды, используя собственные образы и ядра.
В этом посте рассматриваются следующие подходы к настройке сред Studio путем управления пакетами и создания виртуальных сред Python в записных книжках Studio.
- Используйте собственный образ приложения Studio KernelGateway
- Использование конфигураций жизненного цикла записных книжек Studio
- Используйте студию Эластичная файловая система Amazon (Amazon EFS) том для сохранения сред Conda
- Используйте
pip install
Приложения Studio KernelGateway и ядра ноутбуков
Одно из основных отличий архитектуры ноутбуков Studio по сравнению с Экземпляры записных книжек SageMaker заключается в том, что ядра ноутбуков Studio работают в контейнере Docker, называемом Контейнер изображений SageMaker, а не размещаться непосредственно на Эластичное вычислительное облако Amazon (Amazon EC2), как в случае с экземплярами ноутбуков SageMaker.
На следующей диаграмме показаны отношения между KernelGateway, ядрами ноутбуков и образами SageMaker. (Для получения дополнительной информации см. Используйте записные книжки Amazon SageMaker Studio.)
Из-за этой разницы существуют некоторые особенности того, как вы создаете и управляете виртуальные среды в ноутбуках Studio, например использование сред Conda или сохранение сред разработки машинного обучения между перезапусками ядра.
В следующих разделах подробно объясняется каждый из четырех подходов к настройке среды, приводятся практические примеры и рекомендуются варианты использования для каждого варианта.
Предпосылки
Чтобы приступить к работе с примерами и опробовать подходы к настройке самостоятельно, вам потребуется активный домен SageMaker и хотя бы один профиль пользователя в домене. Если у вас нет домена, обратитесь к инструкциям в Подключение к домену Amazon SageMaker.
Образы пользовательских приложений Studio KernelGateway
Образ приложения Studio KernelGateway — это контейнер Docker, который идентифицирует ядра, языковые пакеты и другие зависимости, необходимые для запуска блокнота Jupyter в Studio. Вы используете эти образы для создания сред, в которых затем запускаете блокноты Jupyter. Студия предоставляет множество встроенные изображения для вас, чтобы использовать.
Если вам нужны другие функции, определенные платформы или пакеты библиотек, вы можете перенести в Studio свои собственные пользовательские образы (BYOI).
Вы можете создавать образы и версии изображений приложений, прикреплять версии изображений к своему домену и делать приложение доступным для всех пользователей домена или для определенных профилей пользователей. Вы можете управлять образами приложений через консоль SageMaker, AWS SDK для Python (Boto3), и Интерфейс командной строки AWS (интерфейс командной строки AWS). Пользовательское изображение должно быть сохранено в Реестр Amazon Elastic Container (Amazon ECR) репозиторий.
Основными преимуществами этого подхода являются высокий уровень контроля версий и воспроизводимость среды выполнения машинного обучения, а также немедленная доступность пакетов библиотек, поскольку они установлены в образе. Вы можете внедрить комплексные тесты, управление, меры безопасности и автоматизацию CI/CD для создания пользовательских образов приложений. Наличие моментальных снимков сред разработки облегчает и обеспечивает соблюдение мер безопасности вашей организации.
Предоставленный ноутбук реализует процесс создания образа приложения для сред на основе Conda. Записная книжка демонстрирует, как можно создавать образы для нескольких сред, чтобы пользователи приложения могли выбирать ядра, на которых они могут запускать свои записные книжки.
Настройка пользовательского образа приложения
Вы должны запустить эту записную книжку как экземпляр записной книжки SageMaker, чтобы разрешить локальное использование Docker и выполнение команд Docker в записной книжке. В качестве альтернативы использованию экземпляров ноутбука или сценариев оболочки вы можете использовать Интерфейс командной строки для сборки образа Studio для работы с Docker в Studio. Интерфейс командной строки Studio Image Build позволяет создавать образы Docker, совместимые с SageMaker, непосредственно из сред Studio с помощью Сборка кода AWS.
Если у вас нет экземпляра блокнота SageMaker, следуйте инструкциям в Создание экземпляра записной книжки Amazon SageMaker чтобы начать работу.
Вы также должны убедиться, что роль выполнения, которую вы используете для экземпляра ноутбука, имеет необходимые разрешения для операций домена Amazon ECR и SageMaker:
Чтобы создать пользовательский образ с двумя ядрами, каждое из которых имеет собственную виртуальную среду Conda, блокнот выполняет следующие шаги:
- Определите среду Conda. В среде Conda должен быть установлен пакет ядра Jupyter, например,
ipykernel
для ядра Python. - Определите Dockerfile. Рассмотрим пользовательский образ SageMaker спецификации при создании собственного образа.
- Создайте образ Docker, совместимый со Studio, и поместите его в репозиторий ECR.
- Создайте Изображение SageMaker с образом Docker из репозитория ECR и создайте первоначальную версию образа. При каждом обновлении образа в Amazon ECR необходимо создавать новую версию образа.
- Обновите существующий домен SageMaker, чтобы использовать этот образ. Для этой операции исполняющей роли требуется
UpdateDomain
разрешение. Изображение сразу же доступно для всех профилей пользователей домена. Если вы хотите сделать изображение доступным только для определенного профиля пользователя, вы можете использоватьUpdateUserProfile
вызов API вместоUpdateDomain
. - Презентация пользовательское изображение в Studio. Создайте новую записную книжку и выберите новое изображение в раскрывающемся меню выбора изображения.
Studio автоматически распознает среды Conda в вашем образе как соответствующие ядра в раскрывающемся меню выбора ядра в Настройка среды ноутбука виджет.
Обратитесь к этим образцы записных книжек для получения дополнительных примеров и вариантов использования пользовательского образа приложения.
Убирать
Чтобы избежать расходов, необходимо остановить активные экземпляры блокнотов SageMaker. Инструкции см. Убирать.
Внедрить автоматизированный процесс создания изображений
Как уже упоминалось, вы можете использовать Интерфейс командной строки для сборки образа Studio внедрить автоматизированный процесс CI/CD создания и развертывания образа приложения с помощью CodeBuild и sm-докер CLI. Он абстрагирует настройку ваших сред сборки Docker, автоматически настраивая базовые службы и рабочий процесс, необходимые для создания образов Docker.
Рекомендуемые варианты использования
Подход с использованием пользовательского образа приложения хорошо подходит для следующих сценариев при использовании среды записной книжки Studio.
- Стабильные и контролируемые среды для производства или конфиденциальной разработки
- Среды без доступа к Интернету, где вы хотите предварительно упаковать все необходимые ресурсы и библиотеки в образ
- Высокий коэффициент повторного использования среды и низкая скорость изменений в средах
- Большой масштаб операций по обработке и анализу данных, десятки или сотни разработчиков или команд, которым требуется доступ к стандартизированным пользовательским средам.
- Используйте библиотеки, которые нельзя настроить в собственных образах SageMaker.
- Требования к использованию пользовательских образов для другой ОС или другого языка программирования
- Централизованное управление и разработка среды с использованием автоматизированных конвейеров CI/CD
Ограничения этого подхода
Этот подход требует многоэтапного процесса создания образа, включая тесты, которые могут быть излишними для небольших или очень динамичных сред. Кроме того, примите во внимание следующие ограничения подхода:
- Необходимы предварительные усилия для добавления новых пакетов или создания новых версий образа. В качестве меры предосторожности вы можете настроить существующее пользовательское изображение с помощью pip, даже если оно не является постоянным.
- Для прикрепления нового пользовательского изображения или добавления новой версии в домен требуется
UpdateDomain
разрешение, которое обычно не прикрепляется к роли выполнения профиля пользователя. Мы рекомендуем использовать автоматизированный конвейер с выделенной ролью выполнения для выполнения этой операции или предоставить разрешение на обновление домена выделенному пользователю или роли администратора. - Для создания изображений требуются большие ручные усилия. Мы рекомендуем внедрить автоматизированный конвейер, если вы часто создаете и обновляете пользовательские образы.
- Если вы используете среды Conda, вы можете столкнуться с проблемами в среде Docker. Для примера см. Активация среды Conda в вашем Dockerfile. Не все команды Conda могут работать в виртуальной среде ноутбука. Однако этот подход к настройке Studio не ограничивается средами на основе Conda.
- Вы не можете вручную переключаться между средами Conda в ноутбуке; вы должны переключить ядра в виджете настройки среды ноутбука.
Также учтите, что по умолчанию квоты 30 пользовательских изображений на домен и 5 изображений на профиль пользователя. Это мягкие ограничения, которые можно увеличить.
В следующих разделах описываются более простые подходы, которые могут лучше подходить для других вариантов использования.
Конфигурации жизненного цикла ноутбуков Studio
Студия конфигурации жизненного цикла определить сценарий оболочки, который запускается при каждом перезапуске приложения шлюза ядра и может устанавливать необходимые пакеты. Основное преимущество заключается в том, что специалист по обработке и анализу данных может выбрать, какой сценарий запустить для настройки контейнера с новыми пакетами. Этот вариант не требует перестроения контейнера и в большинстве случаев вообще не требует пользовательского образа, поскольку вы можете настроить готовые.
Настройка процесса конфигурации жизненного цикла
Этот процесс занимает около 5 минут. В сообщении показано, как использовать конфигурации жизненного цикла через консоль SageMaker. Предоставленный ноутбук показывает, как реализовать то же самое программно, используя Boto3.
- На консоли SageMaker выберите Конфигурации жизненного цикла в навигационной панели.
- На Студия , выберите Создать конфигурацию.
Первым шагом для создания конфигурации жизненного цикла является выбор типа.
- Для этого варианта использования установки зависимостей каждый раз, когда создается приложение шлюза ядра Jupyter, выберите Приложение шлюза ядра Jupyter , а затем выбрать Следующая.
- Что касается Имя, введите имя конфигурации.
- В Заметки к слайдам раздел, определите сценарий, который будет запускаться при запуске ядра. В этом примере библиотека PyArrow будет установлена с помощью следующего скрипта:
- Выберите Создать конфигурацию.
Теперь, когда конфигурация создана, ее необходимо привязать к домену или профилю пользователя. При присоединении к домену все профили пользователей в этом домене наследуют его, тогда как при присоединении к профилю пользователя он ограничивается этим конкретным профилем. В этом пошаговом руководстве мы используем маршрут домена Studio.
- Выберите Домены в области навигации и откройте существующий домен.
- На Окружающая среда в Конфигурации жизненного цикла для личных приложений Studio раздел, выбрать Прикреплять.
- Что касается Источник, наведите на Существующая конфигурация.
- Выберите созданную конфигурацию жизненного цикла и выберите Прикрепить к домену.
Теперь, когда все настройки выполнены, пришло время протестировать скрипт в Studio.
- Запустите Studio и на гранатомет вкладка, найдите Ноутбуки и вычислительные ресурсы , и выберите Изменить среду для выбора созданной конфигурации жизненного цикла.
- Что касается Сценарий запуска, выберите созданную конфигурацию жизненного цикла, затем выберите Выберите.
- Выберите Создать блокнот.
Вы также можете настроить запуск конфигурации жизненного цикла по умолчанию в Конфигурации жизненного цикла для личных приложений Studio раздел Домен стр.
В новой записной книжке будут доступны зависимости, установленные в сценарии запуска.
Рекомендуемые варианты использования
Этот подход является легким, но также мощным, поскольку он позволяет вам управлять настройкой среды вашего ноутбука с помощью сценариев оболочки. Варианты использования, которые лучше всего соответствуют этому подходу, следующие:
- Интеграция установки пакетов в конфигурацию жизненного цикла ноутбука, которая должна запускаться при каждом запуске ядра.
- Среды без доступа в Интернет. Используйте конфигурации жизненного цикла, чтобы настроить среду для доступа к локальным артефактам или репозиториям пакетов безопасности, таким как Артефакт кода AWS.
- Если вы уже используете конфигурации жизненного цикла, вы можете расширить их, включив установку пакетов.
- Установка нескольких дополнительных пакетов поверх встроенных или пользовательских образов приложений.
- Когда вам нужно меньше времени для выхода на рынок, чем с пользовательскими изображениями приложений.
Ограничения этого подхода
Основными ограничениями являются большие усилия по управлению сценариями конфигурации жизненного цикла в масштабе и медленная установка пакетов. В зависимости от того, сколько пакетов установлено и насколько они велики, сценарий жизненного цикла может даже истечь по тайм-ауту. Также существуют ограниченные возможности для специальной настройки сценариев пользователями, такими как специалисты по данным или инженеры по машинному обучению, из-за разрешений роли выполнения пользовательского профиля.
Обратитесь к Примеры конфигурации жизненного цикла SageMaker Studio для получения дополнительных примеров и вариантов использования.
Сохранение сред Conda в томе Studio EFS
Домены SageMaker и Studio используют том EFS в качестве уровня постоянного хранилища. Вы можете сохранить свои среды Conda на этом томе EFS. Эти среды сохраняются между перезапуском ядра, приложения или Studio. Studio автоматически подбирает все среды как ядра KernelGateway.
Это простой процесс для специалиста по данным, но среда появляется в списке доступных для выбора ядер с задержкой в 1 минуту. Также могут возникнуть проблемы с использованием сред для приложений шлюза ядра, которые имеют другие требования к вычислительным ресурсам, например, среда на основе ЦП в приложении на основе графического процессора.
Обратитесь к Пользовательские среды Conda в SageMaker Studio для получения подробных инструкций. Репозиторий поста на GitHub также содержит ноутбук с пошаговым руководством.
Создание постоянных сред Conda на томе Studio EFS.
Это прохождение должно занять около 10 минут.
- В Студии выберите Главная в навигационной панели.
- Выберите Открыть Launcher.
- В лаунчере найдите Ноутбуки и вычислительные ресурсы .
- Убедитесь, что выбранный образ SageMaker является поддерживаемым Conda образом стороннего ядра, например «Наука о данных».
- Выберите Открытый терминал изображения открыть окно терминала с новым ядром.
Появится сообщение «Запуск терминала изображения…», и через несколько секунд новый терминал откроется в новой вкладке.
- В терминале выполните следующие команды:
Выполнение этих команд займет около 3 минут, и они создадут каталог на томе EFS для хранения сред Conda, создадут новую среду Conda и активируют ее, установят ipykernel
зависимости (без этой зависимости это решение не будет работать), и, наконец, создайте файл конфигурации Conda (.condarc
), который содержит ссылку на новый каталог среды Conda. Поскольку это новая среда Conda, дополнительные зависимости не устанавливаются. Чтобы установить другие зависимости, вы можете изменить conda install
line или дождитесь завершения следующих команд и установите любые дополнительные зависимости, находясь внутри среды Conda.
- В этом примере мы устанавливаем библиотеку NumPy, выполнив следующую команду в окне терминала:
Теперь, когда среда Conda создана и зависимости установлены, вы можете создать записную книжку, использующую эту среду Conda, сохраненную в Amazon EFS.
- В программе запуска Studio выберите Создать блокнот.
- В новой записной книжке выберите ядро «Python 3 (Data Science)».
- Что касается ядро, выберите только что созданную среду Conda, затем выберите Выберите.
Если поначалу нет вариантов для новой среды Conda, это может быть связано с тем, что распространение занимает несколько минут.
Вернувшись в записную книжку, имя ядра изменится в правом верхнем углу, а в ячейке вы можете проверить, доступны ли установленные зависимости.
Рекомендуемые варианты использования
Следующие варианты использования лучше всего подходят для этого подхода:
- Среды без доступа к Интернету со всеми предустановленными зависимостями в постоянных средах Conda.
- Специальные среды, которым требуется постоянство между сеансами ядра
- Тестирование пользовательских образов SageMaker в Studio перед созданием образа Docker и их отправкой в Amazon ECR.
Ограничения этого подхода
Хотя этот подход имеет практическое применение, следует учитывать следующие ограничения:
- При работе с Amazon EFS могут возникать проблемы с производительностью при работе со многими небольшими файлами, что очень часто встречается при управлении пакетами Python.
- Может быть сложно совместно использовать постоянные среды между профилями пользователей Studio.
- Может быть сложно повторно использовать постоянные среды.
- Может быть сложно решить проблему управления в масштабе.
- Этот подход работает только с определенными образами SageMaker на основе Conda, например «Data Science», «Data Science 2.0» и «Data Science 3.0». Список всех доступных изображений см. Доступные образы Amazon SageMaker.
Установка пипса
Вы можете устанавливать пакеты непосредственно в среду Conda по умолчанию или среду Python по умолчанию.
Создайте setup.py
or requirements.txt
файл со всеми необходимыми зависимостями и запустите %pip install .-r requirement.txt
. Вы должны запускать эту команду каждый раз, когда перезапускаете ядро или воссоздаете приложение.
Этот подход рекомендуется для специальных экспериментов, поскольку эти среды не являются постоянными.
Для получения более подробной информации об использовании pip install
команды и ограничения, см. Установка внешних библиотек и ядер в Amazon SageMaker Studio.
Рекомендуемые варианты использования
Это стандартный способ установки пакетов для настройки среды вашего ноутбука. Рекомендуемые варианты использования ограничены непроизводственным использованием для специальных экспериментов в записной книжке:
- Специальные эксперименты в блокнотах Studio
- Непродуктивные и неконфиденциальные среды, среды-песочницы
- Среды с доступом в Интернет
Ограничения этого подхода
Основными ограничениями этого подхода являются:
- Некоторые корпоративные среды блокируют все входящие и исходящие подключения к Интернету, и вы не можете использовать
pip install
чтобы получить пакеты Python или настроить автономный режим - Более низкая воспроизводимость сред
- Нужно дождаться загрузки и установки пакетов
- Нет сохранения между перезапусками образа
Заключение
SageMaker Studio предлагает широкий спектр возможных настроек сред разработки. Каждая роль пользователя, такая как специалист по данным; инженер ML, MLOps или DevOps; и администратор может выбрать наиболее подходящий подход в зависимости от своих потребностей, места в цикле разработки и ограничений предприятия.
В следующей таблице представлены представленные подходы вместе с их предпочтительными вариантами использования и основными ограничениями.
Подход | Настойчивость | Наиболее подходящие варианты использования | ограничения |
Принесите свое собственное изображение | Постоянный, с возможностью передачи между профилями пользователей и доменами |
|
|
Конфигурации жизненного цикла | Постоянный, с возможностью передачи между профилями пользователей и доменами |
|
|
Среды Conda на томе Studio EFS | Постоянный, не подлежащий передаче между профилями пользователей или доменами |
|
|
Установка пипса | Временный, не сохраняется между перезапусками образа или Studio, не переносится между профилями пользователей или доменами. |
|
|
Это все еще первый день. Реальная виртуальная среда и управление Python намного сложнее, чем эти четыре подхода, но этот пост поможет вам сделать первые шаги для разработки собственного варианта использования.
Вы можете найти больше вариантов использования, подробности и практические примеры в следующих ресурсах:
Об авторах
Евгений Ильин является архитектором решений в Amazon Web Services (AWS). Он имеет более чем 20-летний опыт работы на всех уровнях разработки программного обеспечения и архитектуры решений и использовал языки программирования от COBOL и Assembler до .NET, Java и Python. Он разрабатывает и кодирует облачные решения, уделяя особое внимание большим данным, аналитике и обработке данных.
Алекс Грейс является архитектором решений в Amazon Web Services (AWS), который курирует нативный цифровой финтех-бизнес. Алекс живет в Лондоне и работает с несколькими ведущими финтех-компаниями Великобритании, и ему нравится поддерживать их использование AWS для решения бизнес-задач и обеспечения будущего роста. Ранее Алекс работал разработчиком программного обеспечения и техническим руководителем в стартапах Fintech в Лондоне, а в последнее время специализируется на решениях AWS для машинного обучения.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/four-approaches-to-manage-python-packages-in-amazon-sagemaker-studio-notebooks/
- :является
- $UP
- 1
- 10
- 100
- 11
- 20 лет
- 7
- 8
- a
- О нас
- рефераты
- доступ
- Учетная запись
- Действие
- активный
- Ad
- дополнительный
- адрес
- Администратор
- После
- Alex
- Все
- позволяет
- уже
- Amazon
- Amazon EC2
- Создатель мудреца Амазонки
- Студия Amazon SageMaker
- Amazon Web Services
- Веб-службы Amazon (AWS)
- аналитика
- и
- API
- приложение
- появиться
- Применение
- подхода
- подходы
- Программы
- архитектура
- МЫ
- около
- AS
- аспекты
- At
- прикреплять
- авторинга
- Автоматизированный
- автоматически
- автоматизация
- свободных мест
- доступен
- AWS
- основанный
- BE
- , так как:
- до
- польза
- Преимущества
- ЛУЧШЕЕ
- Лучшая
- между
- большой
- Big Data
- Заблокировать
- стимулирование
- приносить
- широкий
- строить
- Здание
- встроенный
- бизнес
- бизнес
- by
- призывают
- под названием
- CAN
- случаев
- случаев
- проблемы
- сложные
- изменения
- расходы
- Выберите
- Выбирая
- облако
- Кобол
- совместный
- Общий
- сравненный
- совместим
- полный
- комплекс
- комплексный
- Вычисление
- понятия
- Конфигурация
- Коммутация
- Рассматривать
- считает
- Консоли
- Container
- содержит
- контроль
- контроль
- контрольная
- Corner
- соответствующий
- может
- Создайте
- создали
- Создающий
- создание
- изготовленный на заказ
- настройка
- настроить
- цикл
- данным
- доступ к данным
- Подготовка данных
- наука о данных
- ученый данных
- день
- преданный
- глубоко
- По умолчанию
- задерживать
- демонстрирует
- Зависимость
- в зависимости
- развертывание
- развертывание
- описывать
- предназначенный
- подробность
- подробный
- подробнее
- Застройщик
- застройщиков
- развивающийся
- Развитие
- развивается
- разница
- Различия
- различный
- Интернет
- непосредственно
- дисплеев
- Docker
- не
- домен
- доменов
- Dont
- скачать
- множество
- динамический
- каждый
- эффект
- усилие
- инженер
- Проект и
- Инженеры
- обеспечивать
- Enter
- Предприятие
- Окружающая среда
- средах
- Даже
- Каждая
- пример
- Примеры
- выполнение
- существующий
- опыт
- Объяснять
- продлить
- и, что лучший способ
- облегчает
- несколько
- Файл
- Файлы
- в заключение
- Найдите
- окончание
- FinTech
- Финтех стартапы
- fintechs
- Во-первых,
- первые шаги
- соответствовать
- Фокус
- следовать
- после
- Что касается
- Рамки
- каркасы
- часто
- от
- топливо
- функциональность
- Более того
- будущее
- будущий рост
- шлюз
- получить
- GitHub
- Дайте
- Golden
- хорошо
- управление
- Рост
- инструкция
- практический
- Есть
- имеющий
- помогает
- High
- кашель
- состоялся
- Как
- How To
- Однако
- HTML
- HTTP
- HTTPS
- Сотни
- идентифицирует
- изображение
- изображений
- немедленная
- немедленно
- осуществлять
- реализация
- Осуществляющий
- инвентарь
- Импортировать
- in
- включают
- В том числе
- расширились
- информация
- начальный
- устанавливать
- установлен
- Установка
- пример
- вместо
- инструкции
- интегрированный
- Интернет
- доступ в Интернет
- вовлеченный
- вопросы
- IT
- Java
- JPG
- язык
- Языки
- большой
- последний
- запуск
- слой
- вести
- ведущий
- изучение
- Lets
- уровень
- уровни
- библиотеки
- Библиотека
- Жизненный цикл
- легкий
- ОГРАНИЧЕНИЯ
- недостатки
- Ограниченный
- рамки
- линия
- Список
- локальным
- в местном масштабе
- Лондон
- Длинное
- ВЗГЛЯДЫ
- Низкий
- машина
- обучение с помощью машины
- Главная
- сделать
- управлять
- управляемого
- управление
- управления
- руководство
- вручную
- многих
- Рынок
- упомянутый
- Меню
- сообщение
- может быть
- Минут
- смягчение
- ML
- млн операций в секунду
- Модели
- изменять
- Моменты
- монитор
- БОЛЕЕ
- самых
- с разными
- имя
- родной
- Навигация
- необходимо
- Необходимость
- потребности
- сеть
- Новые
- следующий
- нормально
- ноутбук
- NumPy
- of
- Предложения
- оффлайн
- on
- ONE
- открытый
- операция
- Операционный отдел
- Опция
- Опции
- OS
- Другое
- собственный
- пакет
- пакеты
- страница
- хлеб
- параметры
- Выполнять
- производительность
- разрешение
- Разрешения
- настойчивость
- личного
- Выборы
- трубопровод
- Часть
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- возможное
- После
- мощный
- практическое
- практиками
- привилегированный
- представлены
- разрабатывает
- предварительно
- проблемам
- процесс
- обработка
- производит
- Производство
- производительность
- Профиль
- Профили
- Программирование
- языки программирования
- обеспечивать
- при условии
- приводит
- что такое варган?
- Push
- Нажимать
- Питон
- pytorch
- быстро
- ассортимент
- Обменный курс
- скорее
- соотношение
- реальный мир
- недавно
- признает
- рекомендовать
- Управление по борьбе с наркотиками (DEA)
- отношения
- хранилище
- требовать
- обязательный
- требование
- Требования
- требуется
- ресурс
- Полезные ресурсы
- Роли
- дорога
- Run
- Бег
- sagemaker
- то же
- песочница
- Сохранить
- Шкала
- Сценарии
- Наука
- Ученый
- Ученые
- скрипты
- SDK
- Раздел
- разделах
- безопасность
- выбранный
- выбор
- чувствительный
- Услуги
- набор
- установка
- установка
- Поделиться
- Оболочка
- должен
- Шоу
- одинарной
- медленной
- небольшой
- меньше
- So
- мягкая
- Software
- разработка программного обеспечения
- Решение
- Решения
- РЕШАТЬ
- некоторые
- Искриться
- специализация
- конкретный
- стабильный
- стандарт
- Начало
- и политические лидеры
- начинается
- ввод в эксплуатацию
- Стартапы
- заявление
- Шаг
- Шаги
- По-прежнему
- Stop
- диск
- магазин
- хранить
- простой
- студия
- такие
- подходящее
- поддержка
- поддержки
- Коммутатор
- ТАБЛИЦЫ
- взять
- принимает
- команды
- технологии
- Терминал
- тестXNUMX
- тестов
- который
- Ассоциация
- их
- Их
- Эти
- время
- в
- инструменты
- топ
- Train
- Обучение
- лежащий в основе
- Обновление ПО
- Применение
- использование
- прецедент
- Информация о пользователе
- пользователей
- версия
- с помощью
- Виртуальный
- объем
- ждать
- прохождение
- Путь..
- Web
- веб-сервисы
- Web-Based
- , которые
- в то время как
- КТО
- будете
- в
- без
- Работа
- работавший
- работает
- работает
- лет
- Ты
- ВАШЕ
- зефирнет