Utilice un paquete de modelos para crear un modelo

Utilice un paquete de modelos para crear un modelo que pueda implementarse que pueda utilizar para obtener inferencias en tiempo real mediante la creación de un punto de conexión alojado o para ejecutar trabajos de transformación por lotes. Puede crear un modelo desplegable a partir de un paquete de modelos mediante la SageMaker consola de Amazon, la SageMaker API de bajo nivel o el SDK de Amazon SageMaker Python.

Utilizar un paquete de modelos para crear un modelo (consola)

Para crear un modelo que pueda implementarse a partir de un paquete de modelos (consola)

1. Abra la SageMaker consola en https://console.aws.amazon.com/sagemaker/.

2. Elija Model packages (Paquetes de modelos)

3. Elija un paquete de modelos de los que creó de la lista en la pestaña My model packages (Mis paquetes de modelos) o elija un paquete de modelos al que se suscribió en la pestaña AWS Marketplace subscriptions (Suscripciones de ).

4. Seleccione Crear modelo.

5. En Model name (Nombre de modelo), escriba un nombre único para el modelo.

6. Para el rol de IAM, elija un rol de IAM que tenga los permisos necesarios para llamar a otros servicios en su nombre, o bien elija Crear un nuevo rol SageMaker para poder crear un rol que tenga asociada la política AmazonSageMakerFullAccess administrada. Para obtener más información, consulte Cómo utilizar las funciones SageMaker de ejecución.

7. Para VPC, elija una VPC de Amazon a la que quiera que acceda su modelo. Para obtener más información, consulte Ofrezca a los puntos de enlace SageMaker alojados acceso a los recursos de su Amazon VPC.

8. Deje los valores predeterminados para Container input options (Opciones de entrada del contenedor) y Choose model package (Elegir paquete de modelos).

9. Para las variables de entorno, proporcione los nombres y los valores de variables de entorno que desea transferir al contenedor de modelos.

10. En Tags (Etiquetas), especifique una o varias etiquetas para administrar el modelo. Cada etiqueta consta de una clave y un valor opcional. Las claves de las etiquetas deben ser únicas para cada recurso.

11. Seleccione Crear modelo.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre el alojamiento de puntos finales SageMaker, consulte Implementación de modelos para inferencias.

Utilice un paquete de modelos para crear un modelo (API)

Para usar un paquete de modelos para crear un modelo desplegable mediante la SageMaker API, especifique el nombre o el nombre de recurso de Amazon (ARN) del paquete de modelos como campo ModelPackageName del objeto que se pasa a ContainerDefinitionCreateModella API.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre los puntos de enlace alojados SageMaker, consulte Implementación de modelos para inferencias.

Uso de un paquete de modelos para crear un modelo (Amazon SageMaker Python SDK)

Para usar un paquete de modelos para crear un modelo desplegable mediante el SDK de SageMaker Python, inicialice un ModelPackage objeto y pase el nombre de recurso de Amazon (ARN) del paquete del modelo como argumento. model_package_arn Por ejemplo:

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

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre el alojamiento de puntos de enlace SageMaker, consulte Implementación de modelos para inferencias.