TabTransformer

TabTransformer ist eine neuartige tiefgründige tabellarische Datenmodellierungsarchitektur für überwachtes Lernen. Die TabTransformer-Architektur basiert auf Transformern, die auf Selbstbeobachtung basieren. Die Transformer-Schichten wandeln die Einbettungen kategorischer Features in robuste kontextuelle Einbettungen um, um eine höhere Vorhersagegenauigkeit zu erreichen. Darüber hinaus sind die mit TabTransformer erlernten kontextuellen Einbettungen äußerst robust gegenüber fehlenden und verrauschten Daten-Features und bieten eine bessere Interpretierbarkeit. Diese Seite enthält Informationen zu Empfehlungen für Amazon-EC2-Instances und Beispiel-Notebooks für TabTransformer.

Amazon-Sec2-Instance-Empfehlung für den TabTransformer-Algorithmus

SageMaker AI TabTransformer unterstützt Trainings auf Einzel-Instance-CPUs und Einzel-Instance-GPUs. Trotz höherer Kosten pro Instance trainieren GPUs schneller und sind damit kostengünstiger. Um die Vorteile des GPU-Trainings zu nutzen, geben Sie den Instance-Typ als eine der GPU-Instance an (z. B. P3). SageMaker AI TabTransformer unterstützt derzeit kein Multi-GPU-Training.

TabTransformer-Beispiel-Notebooks

In der folgenden Tabelle sind verschiedene Beispiel-Notebooks aufgeführt, die sich mit verschiedenen Anwendungsfällen des TabTransformer-Algorithmus von Amazon SageMaker AI befassen.

Anweisungen zum Erstellen von und Zugreifen auf Jupyter-Notebook-Instances, die Sie zum Ausführen des Beispiels in SageMaker AI verwenden können, finden Sie unter Notebook-Instances für Amazon SageMaker. Wenn Sie einer Notebook-Instance erstellt und geöffnet haben, wählen Sie die Registerkarte SageMaker-AI-Beispiele aus, um eine Liste aller SageMaker-AI-Beispiele anzuzeigen. Zum Öffnen eines Notebooks wählen Sie die Registerkarte Verwenden und dann Kopie erstellen aus.