Amazon 中的模型部署选项 SageMaker - 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 (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。

Amazon 中的模型部署选项 SageMaker

训练完机器学习模型后,您可以使用 Amazon 对其进行部署 SageMaker 以获得预测。根据您的使用案例,Amazon SageMaker 支持以下部署模型的方法:

SageMaker 还提供了在部署机器学习模型时管理资源和优化推理性能的功能:

  • 要管理边缘设备上的模型,以便您可以优化、保护、监控和维护边缘设备队列上的机器学习模型,请参阅使用 Edge Manager 在边 SageMaker 缘部署模型。这适用于智能相机、机器人、个人计算机和移动设备等边缘设备。

  • 要优化 Gluon、Keras MXNet、 PyTorch、 TensorFlow、、、 TensorFlow-Lite 以及基于安霸、英特尔、英伟达、高通、德州仪器和赛灵思处理器的安卓ARM、Linux 和 Windows 机器上的推理ONNX模型,请参阅。NXP 使用 SageMaker Neo 优化模型性能

有关所有部署操作的更多信息,请参阅部署模型用于推理