大型模型推理的 SageMaker 端点参数 - 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)。

大型模型推理的 SageMaker 端点参数

您可以自定义以下参数，以协助使用 SageMaker 进行低延迟的大型模型推理 (LMI)：

  • 实例上的最大 Amazon EBS 卷大小 (VolumeSizeInGB) – 如果模型的大小大于 30 GB，并且您使用的实例没有本地磁盘，则应将此参数增加到略大于模型的大小。

  • 运行状况检查超时限额 (ContainerStartupHealthCheckTimeoutInSeconds) – 如果您的容器设置正确，且 CloudWatch 日志指示运行状况检查超时，则应增加此限额，以便容器有足够的时间来响应运行状况检查。

  • 模型下载超时限额 (ModelDataDownloadTimeoutInSeconds) – 如果您的模型大小大于 40 GB，则应增加此限额，以便有足够的时间将模型从 Amazon S3 下载到实例。

有关使用大型模型进行低延迟推理的更多信息，请参阅使用 DJL Serving 和 DeepSpeed 模型并行推理在 Amazon SageMaker 上部署大型模型。以下代码片段演示了如何以编程方式配置上述参数。请将示例中的斜体占位符文本替换为您自己的信息。

import boto3

aws_region = "aws-region"
sagemaker_client = boto3.client('sagemaker', region_name=aws_region)

# The name of the endpoint. The name must be unique within an Amazon Region in your Amazon account.
endpoint_name = "endpoint-name"

# Create an endpoint config name.
endpoint_config_name = "endpoint-config-name"

# The name of the model that you want to host.
model_name = "the-name-of-your-model"

instance_type = "instance-type"

sagemaker_client.create_endpoint_config(
    EndpointConfigName = endpoint_config_name
    ProductionVariants=[
        {
            "VariantName": "variant1", # The name of the production variant.
            "ModelName": model_name,
            "InstanceType": instance_type, # Specify the compute instance type.
            "InitialInstanceCount": 1, # Number of instances to launch initially.
            "VolumeSizeInGB": 256, # Specify the size of the Amazon EBS volume.
            "ModelDataDownloadTimeoutInSeconds": 1800, # Specify the model download timeout in seconds.
            "ContainerStartupHealthCheckTimeoutInSeconds": 1800, # Specify the health checkup timeout in seconds
        },
    ],
)

sagemaker_client.create_endpoint(EndpointName=endpoint_name, EndpointConfigName=endpoint_config_name)

有关 ProductionVariants 的键的更多信息，请参阅 ProductionVariant 和 创建端点配置。