注册模型版本 - 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。

注册模型版本

您可以通过创建指定模型组的模型版本来注册 Amazon SageMaker 模型。模型版本必须包括模型伪影(模型的训练过的权重)和模型的推理代码。

网络 ACL 和安全组都允许 (因此可到达您的实例) 的发起 ping 的推理管道是 SageMaker 模型,由两到十五个容器的线性序列组成的模型,用于处理推理请求。您可以通过指定容器和关联的环境变量来注册推理管道。有关推理管道的更多信息,请参阅部署推理管道.

您可以通过使用Amazon SDK for Python (Boto3)或者通过在 SageMaker 模型构建管道中创建步骤来实现。

注册模型版本(SageMaker 管道)

要使用 SageMaker 模型构建管道注册模型版本,请创建RegisterModel步骤。有关创建RegisterModel步骤作为管道的一部分,请参阅定义管道.

注册模型版本(Boto3)

要使用 Bto3 注册模型版本,请调用create_model_package方法。

首先,设置参数字典以传递给create_model_package方法。

modelpackage_inference_specification = { "InferenceSpecification": { "Containers": [ { "Image": '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.2-1', } ], "SupportedContentTypes": [ "text/csv" ], "SupportedResponseMIMETypes": [ "text/csv" ], } } # Specify the model source model_url = "s3://your-bucket-name/model.tar.gz" # Specify the model data modelpackage_inference_specification["InferenceSpecification"]["Containers"][0]["ModelDataUrl"]=model_url create_model_package_input_dict = { "ModelPackageGroupName" : model_package_group_name, "ModelPackageDescription" : "Model to detect 3 different types of irises (Setosa, Versicolour, and Virginica)", "ModelApprovalStatus" : "PendingManualApproval" } create_model_package_input_dict.update(modelpackage_inference_specification)

然后,调用create_model_package方法,传入刚刚设置的参数字典。

create_mode_package_response = sm_client.create_model_package(**create_model_package_input_dict) model_package_arn = create_mode_package_response["ModelPackageArn"] print('ModelPackage Version ARN : {}'.format(model_package_arn))