對比：AWS SageMaker、Azure ML和Google Cloud ML

亞馬遜、微軟和谷歌以其雲服務而聞名。 本文提供了比較：Azure ML 與 Azure ML。 AWS SageMaker 和Google Cloud ML。

推薦：用 NSDT設計器 快速搭建可程式設計3D場景。

1、AWS SageMaker

Amazon Web Services 提供各種 Web 服務，其中之一是 AWS Sagemaker。 AWS Sagemaker 允許建構、訓練和部署機器學習算法。 以下是一些功能：

靈活的機器學習軟體：AWS Sagemaker 配備了大量不同的程式設計語言和不同的軟體架構來建構、訓練和部署機器學習模型。 建構 ML 模型的 3 種不同方法是：

• 内置算法
• 自定義算法
• 個人建構算法

資料處理和探索：為了探索資料和資料處理，可以使用 Jupyter Notebook。 它有助于建立、訓練、測試和部署機器學習模型。

2、谷歌雲平台（GCP）

與 Amazon 的 SageMaker 相比，GCP ML Engine 在支援的軟體架構方面提供的設計、訓練和部署機器學習模型的靈活性較低。 GCP 中的兩個主要機器學習架構是 TensorFlow 和 Scikit learn。

與 Amazon SageMaker 不同，Jupyter Notebooks 在 Google 的 ML Engine 中不可用。 要通路 Google Cloud Platform 上的 Jupyter Notebook，必須使用 Datalab。 GCP 将資料探索、處理和轉換劃分為不同的部門作為不同的服務。 Datalab 服務支援資料探索和處理； DataPrep 服務能夠探索原始資料并将其轉換為幹淨的資料以進行處理和分析； DataFlow服務可以建構批處理和流資料處理管道。

3、微軟 Azure 機器學習

Azure AI與亞馬遜的SageMaker和谷歌的ML Engine一樣，是微軟對亞馬遜和谷歌的回應。 此外，Azure AI 提供了各種開放且全面的平台，用于開發、評估和部署機器學習模型，以及支援多種 AI 架構的許多其他功能，例如 PyTorch、TensorFlow、Sci-kit Learn、Chainer、Caffe2、MxNet 等。 此外，Azure 機器學習工作室和 Azure AI 提供比競争對手更多的功能和特性。

Azure ML 的一些功能包括：

• Azure 機器學習設計器是 ML studio 的可視化拖放式 UI，提供對平台功能的通路和控制。 在這裡，您可以更改我們的資料、使用機器學習算法并在伺服器上部署解決方案。
• Automated ML 是一款軟體開發套件，可實作無代碼到低代碼模型訓練。 從本質上講，自動化 ML 通過為常見操作提供高水準的自動化以及資料探索、模型開發和部署方面的幫助來增強 ML studio。 對于使用自動化機器學習工具進行訓練，Azure 定義了分類、回歸和時間序列預測任務。
• ML Studio 完全內建了 Azure ML Python 和 R 語言 SDK。
• 支援 PyTorch、TensorFlow 和 scikit-learn 等機器學習架構 此外，Azure 通過 ONNX 運作時提供架構之間的相容性。

• 包含子產品化管道，允許您的團隊為您的機器學習項目建構定制資料管道。

  資料标注項目協助，包括資料和團隊管理、标注進度、不完整标注追蹤、導出标注資料工具。

• 用于模型部署的可定制計算目标與各種雲服務相容，包括 Azure Kubernetes 服務、容器執行個體和計算叢集。
• MLOps 技術可用于管理、部署和監控自動化工作流程中的模型。

4、SageMaker vs. GCP vs. Azure

語音和文本處理 API：

Amazon SageMaker	Microsoft Azure ML	Google Cloud ML
語音識别（語音轉文本）	✔	✔	✔
文字轉語音	✔	✔	✔
實體提取	✔	✔	✔
關鍵短語提取	✔	✔	✔
語言識别	100+ 語言	120+ 語言	120+ 語言
主題提取	✔	✔	✔
拼寫檢查	✘	✔	✘
自動完成	✘	✔	✘
語音驗證	✔	✔	✘
意圖分析	✔	✔	✔
關系分析	✘	✔	✘
情緒分析	✔	✔	✔
文法分析	✘	✔	✔
POS标記	✘	✔	✔
過濾不當	✘	✔	✔
低品質音頻處理	✔	✔	✔
翻譯	6 種語言	60+ 語言	100+ 語言
聊天機器人工具集	✔	✔	✔

圖像分析API：

Amazon SageMaker	Azure ML	Google Cloud ML
物體檢測	✔	✔	✔
感應檢測	✔	✔	✔
人臉檢測	✔	✔	✔
人臉識别	✔	✔	✘
不當内容檢測	✔	✔	✔
文本識别	✔	✔	✔
書面文本識别	✔	✔	✔
在網絡上搜尋類似圖像	✘	✘	✔
标志檢測	✘	✘	✔
地标檢測	✘	✔	✔
食物識别	✔	✔	✘
主色檢測	✘	✔	✔

視訊分析API：

Amazon SageMaker	Azure ML	Google Cloud ML
物體檢測	✔	✔	✔
場景檢測	✔	✔	✔
活動檢測	✔	✘	✘
面部識别	✔	✔	✘
面部和情緒分析	✔	✔	✘
不當内容檢測	✔	✔	✔
名人認可	✔	✔	✘
文本識别	✔	✔	✘
視訊上的人員跟蹤	✔	✔	✘
音頻轉錄	✘	✔	✔
演講者索引	✘	✔	✘
關鍵幀提取	✘	✔	✘
視訊翻譯	✘	✘	✘
關鍵詞提取	✘	✔	✘
品牌認知度	✘	✔	✘
注釋	✘	✔	✘
主色檢測	✘	✘	✘
實時分析	✔	✘	✘

原文連結：http://www.bimant.com/blog/sagemaker-vs-azure-vs-gcp/