Verwenden eines Modellpakets zum Erstellen eines Modells

Verwenden Sie ein Modellpaket zum Erstellen eines bereitstellbaren Modells, das Sie verwenden können, um Echtzeit-Inferenzen abzurufen, indem Sie einen gehosteten Endpunkt erstellen oder Stapelumwandlungsaufträge ausführen. Sie können ein bereitstellbares Modell aus einem Modellpaket erstellen, indem Sie die Amazon SageMaker AI-Konsole, die SageMaker Low-Level-API) oder das Amazon SageMaker Python SDK verwenden.

Verwenden eines Modellpakets zum Erstellen eines Modells (Konsole)

So erstellen Sie ein bereitstellbares Modell aus einem Modellpaket (Konsole)

1. Öffnen Sie die SageMaker AI-Konsole unter. https://console.aws.amazon.com/sagemaker/

2. Wählen Sie Model packages (Modellpakete) aus.

3. Wählen Sie ein Modellpaket, das Sie aus der Liste auf der Registerkarte Meine Modellpakete erstellt haben, oder wählen Sie auf der Registerkarte AWS Marketplace -Abonnements ein Modellpaket aus, das Sie abonniert haben.

4. Wählen Sie Modell erstellen aus.

5. Geben Sie für Model name (Modellname) einen Namen für das Modell ein.

6. Wählen Sie für die IAM-Rolle eine IAM-Rolle aus, die über die erforderlichen Berechtigungen verfügt, um in Ihrem Namen andere Dienste aufzurufen, oder wählen Sie Neue Rolle erstellen, damit SageMaker KI eine Rolle erstellen kann, der die AmazonSageMakerFullAccess verwaltete Richtlinie angehängt ist. Weitere Informationen finden Sie unter Wie verwendet man SageMaker AI-Ausführungsrollen.

7. Wählen Sie für VPC eine Amazon VPC aus, auf die das Modell zugreifen kann. Weitere Informationen finden Sie unter Geben Sie SageMaker KI-gehosteten Endpunkten Zugriff auf Ressourcen in Ihrer Amazon VPC.

8. Übernehmen Sie die Standardwerte für Container input options (Container-Eingabeoptionen) und Choose model package (Modellpaket auswählen).

9. Geben Sie für Umgebungsvariablen die Namen und Werte der Umgebungsvariablen an, die Sie an den Modellcontainer übergeben möchten.

10. Geben Sie für Tags ein oder mehrere Tags an, um das Modell zu verwalten. Jedes Tag besteht aus einem Schlüssel und einem optionalen Wert. Tag-Schlüssel müssen in einer Ressource eindeutig sein.

11. Wählen Sie Modell erstellen aus.

Nach dem Erstellen eines bereitstellbaren Modells können Sie es verwenden, um einen Endpunkt für die Echtzeit-Inferenz einzurichten oder einen Stapelumwandlungsauftrag zum Abrufen von Inferenzen für ganze Datensätze zu erstellen. Informationen zum Hosten von Endpunkten in SageMaker KI finden Sie unter Deploy Models for Inference.

Verwenden eines Modellpakets zum Erstellen eines Modells (API)

Um ein Modellpaket zu verwenden, um mithilfe der SageMaker API ein bereitstellbares Modell zu erstellen, geben Sie den Namen oder den Amazon-Ressourcennamen (ARN) des Modellpakets als ModelPackageName Feld des ContainerDefinitionObjekts an, das Sie an die CreateModelAPI übergeben.

Nach dem Erstellen eines bereitstellbaren Modells können Sie es verwenden, um einen Endpunkt für die Echtzeit-Inferenz einzurichten oder einen Stapelumwandlungsauftrag zum Abrufen von Inferenzen für ganze Datensätze zu erstellen. Informationen zu gehosteten Endpunkten in SageMaker KI finden Sie unter Deploy Models for Inference.

Verwenden Sie ein Modellpaket, um ein Modell zu erstellen (Amazon SageMaker Python SDK)

Um ein Modellpaket zu verwenden, um mithilfe des SageMaker AI Python SDK ein bereitstellbares Modell zu erstellen, initialisieren Sie ein ModelPackage Objekt und übergeben Sie den Amazon-Ressourcennamen (ARN) des Modellpakets als Argument. model_package_arn Zum Beispiel:

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

Nach dem Erstellen eines bereitstellbaren Modells können Sie es verwenden, um einen Endpunkt für die Echtzeit-Inferenz einzurichten oder einen Stapelumwandlungsauftrag zum Abrufen von Inferenzen für ganze Datensätze zu erstellen. Informationen zum Hosten von Endpunkten in SageMaker KI finden Sie unter Deploy Models for Inference.