Amazon SageMaker 是一项全托管服务，能够帮助开发人员与数据科学家快速、轻松地构建、训练并部署任意规模的机器学习（ML）模型。在本文中，我们将重点介绍在 Amazon SageMaker 上进行训练时，能够切实提高 I/O 以优化 GPU 性能的通用型技术。这些技术方法具有良好的普适性，不对基础设施或深度学习框架本身做出任何要求。通过优化 I/O 处理例程，整个 GPU 训练中的性能提升最多可提升至 10 倍水平。

如何通过云存储备份代替传统的数据备份，以避免企业遭受更大数据丢失隐患，本文将介绍两个基础的实践。能力已经成为多个领域 SLA 的关键要素，企业正在将流式数据与数据处理引擎和框架结合在一起来创建流数据应用程序。这类名词有很多，实时分析、流分析、复杂事件处理（CEP）、实时流分析和事件处理等。

在云数据库管理方面，我们探索并评估了多种实现方案，意识到不同的方案各有所长、也都在某些方面有所妥协，包括实现方式的简单性、执行效率、关键数据合规性以及功能完整性等。GDPR 的公布给最佳实践带来重大影响，也为数据湖的设计与实施引入了一系列额外的技术挑战。希望本文中提出的参考架构与脚本，能够帮助大家以符合 GDPR 要求的方式实现数据删除。

本文展示了如何使用检测（DetectProtectiveEquipment API）来自动分析图像及视频帧，借此检查员工及客户是否正确佩戴个人防护设备，例如口罩、头盔与手套等。我们介绍了多种实现方法，包括从摄像机、存储视频以及流式视频中提取图像帧。最后，我们还介绍了如何使用 Amazon Rekognition 自定义标签来识别特定实际业务需求的其他设备。