照着跑一遍，轻松上手 AWS 机器学习全流程
amazon-sagemaker-examples 是亚马逊官方维护的 Jupyter Notebook 示例集，旨在帮助开发者快速上手 Amazon SageMaker，覆盖从数据准备、模型构建、训练、调优到部署推理的完整机器学习生命周期。项目包含大量可直接运行的 Notebook，演示了图像分类、自然语言处理、时间序列预测、强化学习等常见场景，并深入展示 SageMaker 内置算法、框架支持（如 TensorFlow、PyTorch）、自动模型调优、端到端 MLOps 流水线、特征存储、模型监控等核心能力。通过真实数据和代码，用户能直观理解 SageMaker 各项服务的最佳实践，降低学习门槛，加速从原型到生产的落地。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1注册 AWS 账号
访问 AWS 官网注册账号并完成实名与支付方式配置，这是使用 SageMaker 的前提条件。
2配置 IAM 用户与角色
按 AWS 官方文档创建 IAM 用户和 IAM 角色，并授予 SageMaker 与 S3 所需的访问权限。
3创建 Notebook 实例
在 SageMaker 控制台创建一个 Amazon SageMaker Notebook 实例，示例 Notebook 会加载到该实例中。
4打开示例 Notebook
在 Jupyter 中点击 SageMaker Examples 标签，或在 JupyterLab 中点击 SageMaker logo 查看示例。
5运行并调整示例
示例已自动加载可直接运行；若在 Notebook 实例外运行，需更新 IAM 角色定义并安装必要的库。
在 Jupyter 中能看到 SageMaker Examples 标签并成功打开任一 Notebook，即表示环境已就绪。
Q：没有 AWS 账号可以用吗？
A：不可以。README 明确要求先拥有 AWS 账号，并完成 IAM 用户与角色的权限配置，否则无法创建 Notebook 实例和运行示例。
Q：必须在 SageMaker Notebook 实例里运行吗？
A：大多数示例使用分布式托管训练或实时端点，建议在 Notebook 实例中运行；README 说明也可在实例外运行，但需更新 IAM 角色定义并安装必要的库。
Q：怎么找到这些示例 Notebook？
A：它们会自动加载到 SageMaker Notebook 实例中，在 Jupyter 里点击 SageMaker Examples 标签，或在 JupyterLab 里点击 SageMaker logo 即可看到。
Q：运行示例报权限错误怎么办？
A：检查 IAM 用户与角色的权限是否已按 AWS 文档正确配置，并确认实例能够访问所需的 S3 存储桶。
aws-samples、google-cloud-ai-platform-samples、azureml-examples
amazon-sagemaker-examples 是模型训练领域的开源项目，由 aws 开发，2017 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（10,993）位列前 5%，在模型训练分类的 518 个项目里位列前 4%。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。开源示例代码，完全免费，无付费版本。
它主要面向的使用场景是：快速评估SageMaker能力，验证机器学习方案可行性。同类可对比的替代方案包括 aws-samples、google-cloud-ai-platform-samples、azureml-examples。
上一篇：ml-engineering
下一篇：aim
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
