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。
