创建多模型端点 - 亚马逊 SageMaker AI
创建多模型端点（控制台）创建由 CPUs (SDK) 支持的多模型终端节点创建由 GPUs (SDK) 支持的多模型终端节点
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

创建多模型端点

您可以使用 SageMaker AI 控制台或创建多模型终端节点。 Amazon SDK for Python (Boto) 要通过控制台创建 CPU 或 GPU 支持的端点，请参阅以下各部分中的控制台过程。如果要使用创建多模型终端节点 Amazon SDK for Python (Boto)，请使用以下各节中的 CPU 或 GPU 过程。CPU 和 GPU 工作流相似但有一些区别，例如容器要求。

创建多模型端点（控制台）

您可以通过控制台创建 CPU 和 GPU 支持的多模型端点。使用以下步骤通过 SageMaker AI 控制台创建多模型终端节点。

创建多模型端点（控制台）

  1. 打开 Amazon A SageMaker I 控制台，网址为https://console.aws.amazon.com/sagemaker/。

  2. 选择 Models (模型)，然后从 Inference (推理) 组选择 Create models (创建模型)。

  3. 对于 Model name (模型名称)，输入一个名称。

  4. 对于 IAM 角色，选择或创建附加 AmazonSageMakerFullAccess IAM 策略的 IAM 角色。

  5. 在容器定义部分中，为提供模型构件和推理映像选项选择使用多个模型。

    在创建模型页面中，您可以选择使用多个模型。

  6. 对于推理容器镜像，请输入所需容器镜像的 Amazon ECR 路径。

    对于 GPU 型号，必须使用由 NVIDIA Triton 推理服务器支持的容器。有关使用 GPU 支持的端点的容器映像列表，请参阅 NVIDIA Triton 推理容器（仅支持 SM）。有关 NVIDIA Triton 推理服务器的更多信息，请参阅将 T riton 推理服务器与 AI 配合使用。 SageMaker

  7. 选择创建模型。

  8. 按照单个模型端点的部署方式来部署多模型端点。有关说明，请参阅 将模型部署到 SageMaker AI 托管服务。

使用 CPUs with 创建多模型端点 适用于 Python (Boto3) 的 Amazon SDK

使用以下部分创建由 CPU 实例支持的多模型端点。您可以使用 Amazon A SageMaker I 创建多模型终端节点 create_modelcreate_endpoint_config，create_endpoint APIs 就像创建单一模型终端节点一样，但有两处更改。定义模型容器时，您需要传递一个新的 Mode 参数值 MultiModel。您还需要传递 ModelDataUrl 字段，该字段指定模型构件在 Amazon S3 中位置的前缀，而不是像部署单个模型时一样指定单个模型构件的路径。

有关使用 SageMaker AI 将多个 XGBoost 模型部署到端点的示例笔记本，请参阅多模型端点 XGBoost 示例笔记本。

以下过程概述了创建 CPU 支持的多模型端点的示例中所使用的关键步骤。

部署模型（Amazon 适用于 Python 的 SDK（Boto 3））

  1. 获取包含支持部署多模型端点的映像的容器。有关支持多模型端点的内置算法和框架容器的列表，请参阅支持多模型终端节点的算法、框架和实例。在此示例中，我们使用 K 最近邻 (k-NN) 算法 内置算法。我们调用 SageMaker Python SDK 实用函数image_uris.retrieve()来获取 K-Nearest Neighbors 内置算法图像的地址。

    import sagemaker
region = sagemaker_session.boto_region_name
image = sagemaker.image_uris.retrieve("knn",region=region)
container = { 
              'Image':        image,
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

  2. 获取 A 适用于 Python (Boto3) 的 Amazon SDK SageMaker I 客户端并创建使用此容器的模型。

    import boto3
sagemaker_client = boto3.client('sagemaker')
response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container])

  3. （可选）如果您使用的是串行推理管道，请获取要包含在管道中的其他容器，并将其包含在 CreateModel 的 Containers 参数中：

    preprocessor_container = { 
               'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<PREPROCESSOR_IMAGE>:<TAG>'
            }

multi_model_container = { 
              'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<IMAGE>:<TAG>',
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [preprocessor_container, multi_model_container]
            )
    注意

    在串行推理管道中，您只能使用一个 multi-model-enabled端点。

  4. （可选）如果您的使用案例不能通过模型缓存受益，请将 MultiModelConfig 参数的 ModelCacheSetting 字段值设置为 Disabled，并将其包含在调用 create_model 的 Container 参数中。ModelCacheSetting 字段的默认值是 Enabled。

    container = { 
                'Image': image, 
                'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
                'Mode': 'MultiModel' 
                'MultiModelConfig': {
                        // Default value is 'Enabled'
                        'ModelCacheSetting': 'Disabled'
                }
           }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container]
            )

  5. 为模型配置多模型端点。我们建议您至少为端点配置两个实例。这允许 SageMaker AI 为模型提供跨多个可用区域的高可用性预测集。

    response = sagemaker_client.create_endpoint_config(
                EndpointConfigName = '<ENDPOINT_CONFIG_NAME>',
                ProductionVariants=[
                     {
                        'InstanceType':        'ml.m4.xlarge',
                        'InitialInstanceCount': 2,
                        'InitialVariantWeight': 1,
                        'ModelName':            '<MODEL_NAME>',
                        'VariantName':          'AllTraffic'
                      }
                ]
           )
    注意

    在串行推理管道中，您只能使用一个 multi-model-enabled端点。

  6. 使用 EndpointName 和 EndpointConfigName 参数创建多模型端点。

    response = sagemaker_client.create_endpoint(
              EndpointName       = '<ENDPOINT_NAME>',
              EndpointConfigName = '<ENDPOINT_CONFIG_NAME>')

使用 GPUs with 创建多模型端点 适用于 Python (Boto3) 的 Amazon SDK

使用以下部分创建由 GPU 支持的多模型端点。您可以使用 Amazon A SageMaker I 创建多模型终端节点 create_modelcreate_endpoint_config，与创建单模型终端节点create_endpoint APIs 类似，但有几处更改。定义模型容器时，您需要传递一个新的 Mode 参数值 MultiModel。您还需要传递 ModelDataUrl 字段，该字段指定模型构件在 Amazon S3 中位置的前缀，而不是像部署单个模型时一样指定单个模型构件的路径。对于 GPU 支持的多模型端点，所使用的容器必须具有已针对在 GPU 实例上运行进行优化的 NVIDIA Triton 推理服务器。有关使用 GPU 支持的端点的容器映像列表，请参阅 NVIDIA Triton 推理容器（仅支持 SM）。

有关演示如何创建由支持的多模型终端节点的示例笔记本 GPUs，请参阅使用 GPUs Amazon A SageMaker I 多模型终端节点 (MME) 运行多个深度学习模型。

以下过程概述了创建由 GPU 支持的多模型端点的关键步骤。

部署模型（Amazon 适用于 Python 的 SDK（Boto 3））

  1. 定义容器映像。要为模型创建支持 GPU 的多模型端点，请定义容器以使用 NVIDIA Triton Server 镜像。 ResNet 此容器支持多模型端点，并针对在 GPU 实例上运行进行了优化。我们调用 SageMaker AI Python SDK 实用函数image_uris.retrieve()来获取图像的地址。例如：

    import sagemaker
region = sagemaker_session.boto_region_name

// Find the sagemaker-tritonserver image at 
// https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-triton/resnet50/triton_resnet50.ipynb
// Find available tags at https://github.com/aws/deep-learning-containers/blob/master/available_images.md#nvidia-triton-inference-containers-sm-support-only

image = "<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-tritonserver:<TAG>".format(
    account_id=account_id_map[region], region=region
)

container = { 
              'Image':        image,
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel',
              "Environment": {"SAGEMAKER_TRITON_DEFAULT_MODEL_NAME": "resnet"},
            }

  2. 获取 A 适用于 Python (Boto3) 的 Amazon SDK SageMaker I 客户端并创建使用此容器的模型。

    import boto3
sagemaker_client = boto3.client('sagemaker')
response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container])

  3. （可选）如果您使用的是串行推理管道，请获取要包含在管道中的其他容器，并将其包含在 CreateModel 的 Containers 参数中：

    preprocessor_container = { 
               'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<PREPROCESSOR_IMAGE>:<TAG>'
            }

multi_model_container = { 
              'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<IMAGE>:<TAG>',
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [preprocessor_container, multi_model_container]
            )
    注意

    在串行推理管道中，您只能使用一个 multi-model-enabled端点。

  4. （可选）如果您的使用案例不能通过模型缓存受益，请将 MultiModelConfig 参数的 ModelCacheSetting 字段值设置为 Disabled，并将其包含在调用 create_model 的 Container 参数中。ModelCacheSetting 字段的默认值是 Enabled。

    container = { 
                'Image': image, 
                'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
                'Mode': 'MultiModel' 
                'MultiModelConfig': {
                        // Default value is 'Enabled'
                        'ModelCacheSetting': 'Disabled'
                }
           }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container]
            )

  5. 为模型配置使用由 GPU 支持的实例的多模型端点。我们建议在您的端点上配置多个实例，以实现高可用性和更高的缓存命中率。

    response = sagemaker_client.create_endpoint_config(
                EndpointConfigName = '<ENDPOINT_CONFIG_NAME>',
                ProductionVariants=[
                     {
                        'InstanceType':        'ml.g4dn.4xlarge',
                        'InitialInstanceCount': 2,
                        'InitialVariantWeight': 1,
                        'ModelName':            '<MODEL_NAME>',
                        'VariantName':          'AllTraffic'
                      }
                ]
           )

  6. 使用 EndpointName 和 EndpointConfigName 参数创建多模型端点。

    response = sagemaker_client.create_endpoint(
              EndpointName       = '<ENDPOINT_NAME>',
              EndpointConfigName = '<ENDPOINT_CONFIG_NAME>')