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)。

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。

创建无服务器端点

要创建无服务器终端节点，您可以使用 Amazon SageMaker 控制台、API 或。 Amazon CLI您可以使用与实时端点类似的流程创建无服务器端点。

创建模型

要创建模型，您必须提供模型构件和容器映像的位置。您也可以使用 “模型注册表” 中的SageMaker 模型版本。以下各节中的示例向您展示了如何使用 CreateModelAPI、模型注册表和 Amazon SageMaker 控制台创建模型。

创建模型（使用模型注册表）

模型注册表是一项功能 SageMaker ，可帮助您对模型的版本进行编目和管理，以便在机器学习管道中使用。要将模型注册表与无服务器推理一起使用，必须先在模型注册表模型组中注册模型版本。要了解如何在模型注册表中注册模型，请按照创建模型组和注册模型版本中的步骤操作。

以下示例要求您拥有已注册模型版本的 ARN，并使用适用于 Python 的Amazon SDK (Boto3) 来调用 API。CreateModel对于无服务器推理，目前只有适用于 Python 的 Amazon SDK (Boto3) 支持模型注册表。在示例中，请指定以下值：

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker permission to access Amazon services.
sagemaker_role = sagemaker.get_execution_role()

#Specify a name for the model
model_name = "<name-for-model>"

#Specify a Model Registry model version
container_list = [
    {
        "ModelPackageName": <model-version-arn>
     }
 ]

#Create the model
response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    container_list
)

创建模型（使用 API）

以下示例使用适用于 Python 的Amazon 软件开发工具包 (Boto3) 来调用 API。CreateModel指定以下值：

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker permission to access Amazon services.
sagemaker_role = sagemaker.get_execution_role()

#Get model from S3
model_url = "s3://DOC-EXAMPLE-BUCKET/models/model.tar.gz"

#Get container image (prebuilt example)
from sagemaker import image_uris
container = image_uris.retrieve("xgboost", region, "0.90-1")

#Create model
model_name = "<name-for-model>"

response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    Containers = [{
        "Image": container,
        "Mode": "SingleModel",
        "ModelDataUrl": model_url,
    }]
)

创建模型（使用控制台）

创建端点配置

创建模型后，创建端点配置。然后，您可以使用端点配置中的规范来部署模型。在配置中，您可以指定需要实时端点还是无服务器端点。要创建无服务器终端节点配置，您可以使用 Amazon SageMaker 控制台、CreateEndpointConfigAPI 或。 Amazon CLI以下部分概述了 API 和控制台方法。

创建端点配置（使用 API）

以下示例使用适用于 Python 的Amazon 软件开发工具包 (Boto3) 来调用 API。CreateEndpointConfig指定以下值：

response = client.create_endpoint_config(
   EndpointConfigName="<your-endpoint-configuration>",
   KmsKeyId="arn:aws:kms:us-east-1:123456789012:key/143ef68f-76fd-45e3-abba-ed28fc8d3d5e",
   ProductionVariants=[
        {
            "ModelName": "<your-model-name>",
            "VariantName": "AllTraffic",
            "ServerlessConfig": {
                "MemorySizeInMB": 2048,
                "MaxConcurrency": 20,
                "ProvisionedConcurrency": 10,
            }
        } 
    ]
)

创建端点配置（使用控制台）

创建端点

要创建无服务器终端节点，您可以使用 Amazon SageMaker 控制台、CreateEndpointAPI 或。 Amazon CLI以下部分概述了 API 和控制台方法。创建端点后，端点可能需要几分钟才能可用。

创建端点（使用 API）

以下示例使用适用于 Python 的Amazon 软件开发工具包 (Boto3) 来调用 API。CreateEndpoint指定以下值：

response = client.create_endpoint(
    EndpointName="<your-endpoint-name>",
    EndpointConfigName="<your-endpoint-config>"
)

创建端点（使用控制台）