sagemaker-python-sdk

收录理由

对于已经深度使用 AWS 的团队来说，这是用 Python 驱动 SageMaker 最直接的一条路。它把训练、实时推理、批量推理、超参调优、模型注册表以及处理任务都封装进一套面向对象的 API 里，几行方法调用就能把训练脚本变成线上端点。3.x 版本把库拆成了核心、训练、服务、MLOps 等模块化包，同时把各类框架专属的类收敛到统一的 ModelTrainer 和 ModelBuilder 中，在同时使用 PyTorch、TensorFlow 或自定义容器时省去不少切换成本。如果你不想自己搭编排层，又希望托管基础设施和 GPU 供给，同时把训练和部署逻辑用代码做版本管理，这个 SDK 值得认真考虑。对任何绑定 SageMaker 的团队而言，它实际上就是 ML 运维的控制面。