部署模型 - 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。

部署模型

要将 Amazon SageMaker Neo 编译的模型部署到 HTTPS 终端节点上,您必须使用 Amazon SageMaker 托管服务为模型配置和创建终端节点。目前,开发人员可以使用 Amazon SageMaker API,将模块部署到 ml.c5、ml.m5、ml.m4、ml.p3、ml.p2 和 ml.inf1 实例上。

对于 Inf1 实例,需要专门为 ml.inf1 实例编译模型。无法保证为其他实例类型编译的模型能够与 ml.inf1 实例配合使用。

适用于Elastic Inference 加速器,需要专门为 ml_eia2 设备编译模型。有关如何将编译的模型部署到 Elastic Inference 加速器的信息,请参阅在 Amazon SageMaker 托管终端节点上使用 EI.

部署编译的模型时,您需要为用于编译的目标使用相同的实例。这会创建 SageMaker 终端节点,您可以使用该终端节点来执行推理。您可以使用以下任一方法部署 NEO 编译的模型:适用于 Python 的 Amazon SageMaker 开发工具包适用于 Python (Boto3) 的开发工具包Amazon Command Line Interface和 SageMaker 控制台https://console.aws.amazon.com/ SageMaker.

注意

要部署模型,使用Amazon CLI、控制台或 Boto3,请参阅Neo 推理容器图像选择主容器的推理图像 URI。