当前位置:网站首页>亚马逊云科技Build On-Amazon Neptune基于知识图谱的推荐模型构建心得
亚马逊云科技Build On-Amazon Neptune基于知识图谱的推荐模型构建心得
2022-08-04 05:30:00 【指剑】
AWS Build On学习心得
说实话,这是第一次参加AWS Build On,一听说有workshop还以为是国外那种所有资源都提供的workshop,结果还是有些许不同的,还有没找到报名入口,确实是个遗憾,哈哈
到实验阶段,整体步骤还是很简单的,需要你动手做的无非是创建一个s3 bucket,因为拿到资料较慢,由于没有报名的原因吧,所以还是在微信群找到的实验手册,一开始做的还算顺利,后面做集群克隆就出错了,错失第一名!!!
反复检查最后才发现直播用的是中文,而我用的是英文版本的,还是自己太粗心了,不过还是建议AWS Build On的项目组以后举办,尽量将无关文件删除,要是再遇到我这种粗心大意的,就白瞎了
首先打开实验手册,就可以看到整个实验的流程
亚马逊云科技Build On实验手册:https://aws.amazon.com/cn/getting-started/hands-on/neptune-tutorial-details/?trk=3e0d7019-0601-4b37-97c5-50556674f67e&sc_channel=el
两个实验大致所需要花费的时间:
第一步是登录aws账户选择us-east-1区域,然后创建cloudformation
第一个实验做完如图:
第二个实验做在这里会出一点错(可能因人而异)
解决方案:
刷新内核后刷新页面,重新运行即可
第二个实验由于我自己的粗心导致选择了错误的实验文件,选成了英文版本,所以一直卡在这里
查看batch也是卡着的
结果是在模板配置的时候英文版的jobSize:medium
,而中文版本的则是small
总体来看,实验还是很简单的,整体下来,你只需要点点点,就可以了,小白也可以很轻松上手,实验手册描述得非常详细,正如工作人员所解释的一样,你只需要创建存储桶,然后就是点点点!
希望 AWS Build On可以越办越好!
边栏推荐
- DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better 图像去模糊
- [CV-Learning] Linear Classifier (SVM Basics)
- YOLOV4流程图(方便理解)
- thymeleaf中 th:href使用笔记
- Th in thymeleaf: href use notes
- 数据库的简述与常用操作指南
- 中国联通、欧莱雅和钉钉都在争相打造的秘密武器?虚拟IP未来还有怎样的可能
- Logistic Regression --- Introduction, API Introduction, Case: Cancer Classification Prediction, Classification Evaluation, and ROC Curve and AUC Metrics
- Copy攻城狮的年度之“战”|回顾2020
- PCL窗口操作
猜你喜欢
中国联通、欧莱雅和钉钉都在争相打造的秘密武器?虚拟IP未来还有怎样的可能
【go语言入门笔记】13、 结构体(struct)
TensorFlow2学习笔记:6、过拟合和欠拟合,及其缓解方案
光条中心提取方法总结(一)
TensorFlow2学习笔记:4、第一个神经网模型,鸢尾花分类
TensorFlow2 study notes: 6. Overfitting and underfitting, and their mitigation solutions
【论文阅读】SPANET: SPATIAL PYRAMID ATTENTION NETWORK FOR ENHANCED IMAGE RECOGNITION
Pytest常用插件
Logistic Regression --- Introduction, API Introduction, Case: Cancer Classification Prediction, Classification Evaluation, and ROC Curve and AUC Metrics
PyTorch
随机推荐
TensorFlow2学习笔记:4、第一个神经网模型,鸢尾花分类
如何用Pygame制作简单的贪吃蛇游戏
PostgreSQL schema (Schema)
度量学习(Metric learning、损失函数、triplet、三元组损失、fastreid)
tensorRT教程——tensor RT OP理解(实现自定义层,搭建网络)
MNIST手写数字识别 —— 从零构建感知机实现二分类
MNIST手写数字识别 —— 从二分类到十分类
Qt日常学习
【CV-Learning】线性分类器(SVM基础)
yolov3 data reading (2)
0, deep learning 21 days learning challenge 】 【 set up learning environment
Linear Regression 02---Boston Housing Price Prediction
【深度学习21天学习挑战赛】1、我的手写被模型成功识别——CNN实现mnist手写数字识别模型学习笔记
【论文阅读】Further Non-local and Channel Attention Networks for Vehicle Re-identification
【论文阅读】Multi-View Spectral Clustering with Optimal Neighborhood Laplacian Matrix
ValueError: Expected 96 from C header, got 88 from PyObject
【论文阅读】SPANET: SPATIAL PYRAMID ATTENTION NETWORK FOR ENHANCED IMAGE RECOGNITION
[Go language entry notes] 13. Structure (struct)
Pytorch语义分割理解
tensorRT5.15 使用中的注意点