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。
编译模型(Amazon SageMaker 控制台)
您可以在 Amazon SageMaker 控制台中创建 Amazon SageMaker Neo 编译作业。
-
在 Amazon SageMaker 控制台中,选择 Compilation jobs (编译作业),然后选择 Create compilation jobs (创建编译作业)。
-
在 Create compilation job (创建编译作业) 页面上的 Job name (作业名称) 下,输入名称。然后选择 IAM role (IAM 角色)。
-
如果您没有 IAM 角色,请选择 Create a new role (创建新角色)。
-
在 Create an IAM role (创建 IAM 角色) 页面上,选择 Any S3 bucket (任意 S3 存储桶),然后选择 Create role (创建角色)。
-
在 Input configuration (输入配置) 部分中,在 Amazon S3Location of model artifacts (模型构件的位置) 输入字段中,输入包含模型构件的 存储桶 URI 的完整路径。您的模型构件必须采用压缩 tarball 文件格式 (
.tar.gz
)。警告 如果您指定一个指向 Amazon S3 文件的
.pth
存储桶 URI 路径,则在开始编译后将收到以下错误:ClientError: InputConfiguration: Unable to untar input model.Please confirm the model is a tar.gz file
对于 Data input configuration (数据输入配置) 字段,输入指定输入数据形状的 JSON 字符串。对于 Machine learning framework (机器学习框架),选择您选择的框架。
要根据框架查找输入数据形状的 JSON 字符串示例,请参阅 Neo 所需的输入数据形状。
-
转到 Output configuration (输出配置) 部分。选择要部署模型的位置。您可以将模型部署到 Target device (目标设备) 或 Target platform (目标平台)。目标设备包括云和 边缘设备。目标平台是指您希望模型运行的特定操作系统、架构和加速器。
对于 S3 Output location (S3 输出位置),输入要存储模型的 S3 存储桶的路径。您可以选择在 Compiler options (编译器选项) 部分下添加 JSON 格式的编译器选项。
-
在启动时检查编译作业的状态。此作业状态可在 Compilation Job (编译作业) 页面顶部找到,如以下屏幕截图所示。您还可以在 Status (状态) 列中检查其状态。
-
在完成时检查编译作业的状态。您可以在 Status (状态) 列中检查状态,如以下屏幕截图所示。