使用模型包创建模型 - Amazon SageMaker
使用模型包创建模型（控制台）使用模型包创建模型 (API)使用模型包创建模型 (Amazon SageMaker Python SDK)
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 服务入门 (PDF)。

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. 通过 https://console.aws.amazon.com/sagemaker/ 打开 SageMaker 控制台。

  2. 选择 Model packages (模型包)。

  3. 从我的模型包选项卡上的列表中选择您已创建的模型包，或者在 Amazon Web Services Marketplace 订阅选项卡上选择您已订阅的模型包。

  4. 选择 Create model (创建模型)。

  5. 对于 Model name (模型名称)，键入模型的名称。

  6. 对于 IAM 角色，请选择具有代表您调用其他服务的必需权限的 IAM 角色，或选择创建新角色以允许 SageMaker 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，选择您希望允许模型访问的 Amazon VPC。有关更多信息，请参阅 为 SageMaker 托管端点授予您的 Amazon VPC 中的资源的访问权限。

  8. 保留 Container input options (容器输入选项) 和 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)，请指定一个或多个标签来管理模型。每个标签都由一个键和一个可选值组成。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 SageMaker 中托管端点的信息，请参阅部署模型以进行推理。

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，请指定模型包的名称或 Amazon 资源名称 (ARN) 作为传递给 CreateModel API 的 ContainerDefinition 对象的 ModelPackageName 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 SageMaker 中托管端点的信息，请参阅部署模型以进行推理。

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

要使用模型包通过 SageMaker Python SDK 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 SageMaker 中托管端点的信息，请参阅部署模型以进行推理。