打包模型
SageMaker Edge Manager 打包作业采用 Amazon SageMaker NEO 编译的模型,并进行任何必要的更改,以便使用推理引擎 Edge Manager 代理部署模型。
先决条件
要打包模型,您必须执行以下操作:
-
使用 SageMaker Neo 编译机器学习模型。
如果您尚未完成此操作,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 编译和部署模型。如果您是首次使用 SageMaker Neo,请阅读 Neo Edge 设备入门。
-
获取您的编译作业的名字。
提供使用 SageMaker Neo 编译模型时使用的编译作业名称。通过 https://console.aws.amazon.com/sagemaker/
打开 SageMaker 控制台,然后选择编译作业,查找已提交到 Amazon 账户的编译列表。已提交的编译作业的名称在名称列中。 -
获取您的 IAM ARN。
您需要 IAM 角色的 Amazon 资源名称 (ARN),您可以使用该名称下载和上传模型以及联系 SageMaker Neo。
使用以下方法之一获取您的 IAM ARN:
-
以编程方式使用 SageMaker Python SDK
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>
有关使用 SageMaker Python SDK 的更多信息,请参阅 SageMaker Python SDK API
。 -
使用 Amazon Identity and Access Management (IAM) 控制台
通过以下网址导航到 IAM 控制台:https://console.aws.amazon.com/iam/
。在 IAM 资源部分,选择角色以查看您的 Amazon 账户中的角色列表。选择或创建具有 AmazonSageMakerFullAccess
、AWSIoTFullAccess
和AmazonS3FullAccess
的角色。有关 IAM 的更多信息,请参阅什么是 IAM?
-
-
有 S3 存储桶 URI。
您至少需要一个 Amazon Simple Storage Service (Amazon S3) 存储桶 URI 来存储经过 Neo 编译的模型、Edge Manager 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 SDK
您可以在会话期间使用默认 Amazon S3 存储桶。默认存储桶是基于以下格式创建的:
sagemaker-{region}-{aws-account-id}
。要使用 SageMaker Python SDK 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
通过 https://console.aws.amazon.com/s3/
打开 Amazon S3 控制台,并查看如何创建 S3 存储桶?来了解分步说明。
-