Restrictions de service et quotas

Cette section décrit les restrictions et les quotas applicables à vos produits d'apprentissage automatique (ML) dansAWS Marketplace.

Isolement de réseau

Pour des raisons de sécurité, lorsqu'un acheteur s'abonne à votre produit conteneurisé, les conteneurs Docker sont exécutés dans un environnement isolé sans accès au réseau. Lorsque vous créez vos conteneurs, ne comptez pas sur les appels sortants via Internet, car ils échoueront. Les appels versServices AWS échoueront également.

Taille de l'image

La taille de votre image Docker est régie par les quotas du service Amazon ECR. La taille de l'image Docker affecte le temps de démarrage lors des tâches de formation, des tâches de transformation par lots et de la création de terminaux. Pour de meilleures performances, conservez une taille d'image Docker optimale.

Taille de stockage

Lorsque vous créez un point de terminaison, Amazon SageMaker attache un volume de stockage Amazon Elastic Block Store (Amazon EBS) qui héberge le point de terminaison. (Un point de terminaison est également appelé inférence en temps réel ou service SageMaker d'hébergement Amazon.) La taille du volume de stockage dépend du type d'instance. Pour plus d'informations, consultez la section Volumes de stockage des instances hôtes dans le manuel Amazon SageMaker Developer Guide. 

Pour la transformation par lots, consultez la section Storage in Batch Transform du Amazon SageMaker Developer Guide.

Taille d'instance

SageMaker propose une sélection de types d'instances optimisés pour s'adapter à différents cas d'utilisation du machine learning. Les types d'instance sont composés de différentes combinaisons de processeur, de GPU, de GPU, de GPU, de GPU, de GPU, de GPU, de GPU, de GPU, de GPU, Les types d'instances vous permettent de choisir la combinaison de ressources appropriée pour créer, former et déployer vos modèles de machine learning. Pour de plus d'd'd'd'd'd'd'd'd'd'd' SageMaker d'd'd'd'd'd'd'

Taille de la charge utile pour l'inférence

Pour un point de terminaison, limitez la taille maximale des données d'entrée par appel à 6 Mo. Cette valeur ne peut pas être ajustée.

Pour la transformation par lots, la taille maximale des données d'entrée par appel est de 100 Mo. Cette valeur ne peut pas être ajustée.

Temps de traitement pour l'inférence

Pour un point de terminaison, le temps de traitement maximal par appel est de 60 secondes. Cette valeur ne peut pas être ajustée.

Pour la transformation par lots, le temps de traitement maximal par appel est de 60 minutes. Cette valeur ne peut pas être ajustée.

Service Quotas

Pour plus d'informations sur les quotas liés à la formation et à l'inférence, consultez Amazon SageMaker Service Quotas.

Inférence asynchrone

Les packages de modèles et les algorithmes publiés dans neAWS Marketplace peuvent pas être déployés sur des points de terminaison configurés pour Amazon SageMaker Asynchronous Inference. Les points de terminaison configurés pour l'inférence asynchrone nécessitent que les modèles soient connectés au réseau. Tous lesAWS Marketplace modèles fonctionnent en isolation réseau. Pour de plus d'informations veuillez consulter la page Prix du transfert de données.

Inférence sans serveur

Les packages de modèles et les algorithmes publiés dans neAWS Marketplace peuvent pas être déployés sur des points de terminaison configurés pour Amazon SageMaker Serverless Inference. Les points de terminaison configurés pour l'inférence sans serveur nécessitent que les modèles soient connectés au réseau. Tous lesAWS Marketplace modèles fonctionnent en isolation réseau. Pour de plus d'd'd'd'd'd'd'd'd'd'd'd'd'd'd'd'

Entraînement Spot géré

Pour tous les algorithmes deAWS Marketplace, la valeur deMaxWaitTimeInSeconds est fixée à 3 600 secondes (60 minutes), même si le point de contrôle pour l'entraînement ponctuel géré est mis en œuvre. Cette valeur ne peut pas être ajustée.

images Docker etComptes AWS

Pour être publiées, les images doivent être stockées dans des référentiels Amazon ECR appartenant auCompte AWS vendeur. Il n'est pas possible de publier des images stockées dans un référentiel appartenant à une autre personneCompte AWS.

Publier des packages de modèles à partir d'algorithmes intégrés ouAWS Marketplace

Les packages de modèles créés à partir de tâches de formation utilisant un algorithme SageMaker intégré à Amazon ou un algorithme issu d'unAWS Marketplace abonnement ne peuvent pas être publiés.

Vous pouvez toujours utiliser les artefacts de modèle issus de la tâche de formation, mais votre propre image d'inférence est requise pour publier des packages de modèles.

SupportéRégions AWS pour la publication

AWS Marketplaceprend en charge la publication de packages de modèles et de ressources d'algorithmes à partirRégions AWS desquels les conditions suivantes sont toutes deux vraies :

• Une région prise en SageMakercharge par Amazon

• Une région disponible qui est activée par défaut (par exemple, la fonction describe-regions est renvoyée"OptInStatus": "opt-in-not-required")

Toutes les ressources requises pour publier un package de modèles ou un produit d'algorithme doivent être stockées dans la même région que celle à partir de laquelle vous choisissez de publier. Cela inclut les éléments suivants :

• Package de modèles et ressources d'algorithmes créés sur Amazon SageMaker

• Images d'inférence et d'apprentissage téléchargées vers des référentiels Amazon ECR

• Artefacts de modèle (le cas échéant) qui sont stockés dans Amazon Simple Storage Service (Amazon S3) qui sont chargés de manière dynamique lors du déploiement du modèle pour les ressources du package de modèles

• Données de test pour l'inférence et la validation de l'entraînement qui sont stockées dans Amazon S3

Vous pouvez développer et former votre produit dans n'importe quelle Région prise en charge par SageMaker. Toutefois, avant de pouvoir publier, vous devez copier tous les actifs et recréer les ressources dans une région à partir de laquelleAWS Marketplace la publication est possible.

Au cours du processus de mise en vente, quelleRégion AWS que soit la région à partir de laquelle vous publiez, vous pouvez choisir les régions dans lesquelles vous souhaitez publier et rendre votre produit disponible.