使用模型包创建模型 - 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。

使用模型包创建模型

使用模型包创建可部署模型,您可以使用该模型通过创建托管终端节点获取实时推理或运行批量转换作业。您可以使用 Amazon SageMaker 控制台、低级别 SageMaker API 或 Amazon SageMaker Python SDK从模型包创建可部署模型。

使用模型包创建模型(控制台)

从模型包中创建可部署的模型(控制台)

  1. 在 SageMakerhttps://console.aws.amazon.com/sagemaker/ 打开 . 控制台。

  2. 选择 Model packages (模型包).

  3. My model packages (我的模型包) 选项卡上的列表中选择您创建的模型包,或在 AWS Marketplace subscriptions (订阅) 选项卡上选择您订阅的模型包。

  4. 选择 Create model (创建模型).

  5. 对于 Model name,键入模型的名称。

  6. 对于 IAM role (IAM IAM 角色),选择具有代表您调用其他 服务所需的权限的 角色,或选择 Create a new role (创建新角色) SageMaker 以允许 创建已附加 AmazonSageMakerFullAccess 托管策略的角色。有关信息,请参阅 SageMaker 角色.

  7. 对于 VPC,选择要Amazon VPC允许模型访问的。有关更多信息,请参阅为 SageMaker 托管终端节点授予您的 Amazon VPC 中的资源的访问权限.

  8. 保留 Container input options (容器输入选项)Choose model package (选择模型包). 的默认值。

  9. 对于环境变量,提供要传递给模型容器的环境变量的名称和值。

  10. 对于 Tags (标签),指定一个或多个标签来管理模型。每一个标签都包含一个密钥和一个可选值。每个资源的标签键必须是唯一的。

  11. 选择 Create model (创建模型).

创建可部署模型后,您可以使用它来设置实时推理的终端节点,或创建批量转换作业来获取对整个数据集的推理。有关在 中托管终端节点的信息SageMaker,请参阅部署模型用于推理

使用模型包创建模型 (API)

要使用模型包通过 SageMaker API 创建可部署模型,请将模型包的名称或 Amazon 资源名称 (ARN) 指定为传递给 ModelPackageName ContainerDefinition API 的 CreateModel 对象的 字段。

创建可部署模型后,您可以使用它来设置实时推理的终端节点,或创建批量转换作业来获取对整个数据集的推理。有关 中托管终端节点的信息SageMaker,请参阅部署模型用于推理

使用模型包创建模型(Amazon SageMaker Python SDK)

要使用模型包通过 SageMaker Python 开发工具包创建可部署模型,请初始化 ModelPackage 对象并将模型包的 Amazon 资源名称 (ARN) 作为 model_package_arn 参数传递。例如:

from sagemaker import ModelPackage model = ModelPackage(role='SageMakerRole', model_package_arn='training-job-scikit-decision-trees-1542660466-6f92', sagemaker_session=sagemaker_session)

创建可部署模型后,您可以使用它来设置实时推理的终端节点,或创建批量转换作业来获取对整个数据集的推理。有关在 中托管终端节点的信息SageMaker,请参阅部署模型用于推理