部署模型 - Amazon SageMaker
AWS 文档中描述的 AWS 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 AWS 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,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 APIs 将模块部署到 c5、ml.c4、ml.m5、ml.m4、ml.p3、ml.p2 和 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。

对于Elastic Inference加速器,需要专门为 ml_eia2 设备编译模型。有关如何将已编译的模型部署到 Elastic Inference 加速器的信息,请参阅

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。这将创建一个可用于执行推理的SageMaker终端节点。您可以使用以下任一项部署 Neo Amazon SageMaker SDK for Python 编译的模型适用于 Python (Boto3) 的开发工具包:、、 AWS Command Line Interface SageMaker 控制台

注意

有关使用 AWS CLI、 控制台或 Boto3 部署模型,请参阅 Neo 推理容器映像,以选择主容器的推理映像 URI。