包型号 - Amazon SageMaker
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

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。

包型号

SageMaker 边缘管理器打包作业采用 Amazon SageMaker NEO 编译的模型,并进行任何必要的更改,以便使用推断引擎边缘管理器代理来部署模型。

Prerequisites

要打包模型,您必须执行以下操作:

  1. 使用 SageMaker Neo 编译您的机器学习模型。

    如果您尚未进行此操作,请使用 SageMaker Neo 编译模型。有关如何编译模型的更多信息,请参阅 “”。使用 Neo 编译并部署模型. 如果您是 SageMaker Neo 的新用户,请通过Neo Edge 设备入门.

  2. 获取编译作业的名称。

    提供您在使用 SageMaker Neo 编译模型时使用的编译作业名称。从打开 SageMaker 控制台https://console.aws.amazon.com/sagemaker/,然后选择编译作业来查找已提交给您的Amazonaccount. 提交的编译作业的名称位于名称column.

  3. 获取您的 IAM ARN。

    您需要 IAM 角色的 Amazon Resource Name (ARN),可用于下载和上传模型并与 SageMaker Neo 联系。

    使用以下方法之一获取您的 IAM ARN:

    • 使用 SageMaker Python 开发工具包以编程方式

      import sagemaker # Initialize SageMaker Session object so you can interact with Amazon resources sess = sagemaker.Session() # Get the role ARN role = sagemaker.get_execution_role() print(role) >> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>

      有关如何使用 SageMaker Python 开发工具包的更多信息,请参阅SageMaker Python 开发工具包 API.

    • 使用Amazon Identity and Access Management(IAM) 控制台

      导航到 IAM 控制台https://console.aws.amazon.com/iam/. 在 IAM 中资源部分中,选择角色查看中的角色列表Amazonaccount. 选择或创建具有AmazonSageMakerFullAccessAWSIoTFullAccess, 和AmazonS3FullAccess.

      有关 IAM 的更多信息,请参阅什么是 IAM?

  4. 具有 S3 存储桶 URI。

    您需要至少有一个 Amazon Simple Storage Service (Amazon S3) 存储桶 URI 来存储新编译的模型、边缘管理器打包作业的输出以及设备队列中的示例数据。

    使用以下方法之一创建 Amazon S3 存储桶:

    • 以编程方式使用 SageMaker Python 开发工具包

      您可以在会话期间使用默认 Amazon S3 存储桶。根据以下格式创建默认存储桶:sagemaker-{region}-{aws-account-id}. 要使用 SageMaker Python 软件开发工具包创建默认存储桶,请使用以下命令:

      import sagemaker session=sagemaker.create_session() bucket=session.default_bucket()
    • 使用 Amazon S3 控制台

      从打开 Amazon S3 控制台https://console.aws.amazon.com/s3/并参阅如何创建 S3 存储桶?了解分步说明。