编译模型(Amazon SageMaker 控制台) - 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。

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。

  1. 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)

    
                        创建编译作业。
  2. 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)

    
                        IAM 角色。
  3. 如果您没有 IAM 角色,请选择 Create a new role (创建新角色)

    
                        IAM 角色。
  4. 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)

    
                        创建 IAM 角色。
  5. 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。

    
                        输入配置。

    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

  6. 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)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。

    
                        创建作业。
  7. 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。

    
                        编译作业状态。
  8. 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。

    
                        编译作业状态。