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 和 SageMaker 控制台。