Créer un point de terminaison multimodèle - Amazon SageMaker
Créer un point de terminaison multi-modèle (console)Créer un point de terminaison multi-modèle basé sur des processeurs (kit SDK)Créer un point de terminaison multi-modèle basé sur des GPU (kit SDK)

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Créer un point de terminaison multimodèle

Vous pouvez utiliser la console SageMaker ou AWS SDK for Python (Boto) pour créer un point de terminaison multi-modèle. Pour créer un point de terminaison basé sur un processeur ou un GPU via la console, consultez la procédure de console décrite dans les sections suivantes. Si vous souhaitez créer un point de terminaison multi-modèle avec AWS SDK for Python (Boto), utilisez la procédure de processeur ou GPU décrite dans les sections suivantes. Les flux de travail de processeur et de GPU sont similaires mais présentent plusieurs différences, notamment en ce qui concerne les exigences relatives aux conteneurs.

Créer un point de terminaison multi-modèle (console)

Vous pouvez créer des points de terminaison multi-modèles basés sur des processeurs et des GPU via la console. Utilisez la procédure suivante pour créer un point de terminaison multi-modèle via la console SageMaker.

Pour créer un point de terminaison multimodèle (console)

  1. Ouvrez la console Amazon SageMaker à l'adresse https://console.aws.amazon.com/sagemaker/.

  2. Choisissez Model (Modèle), puis dans le groupe Inference (Inférence) choisissez Create model (Créer un modèle).

  3. Dans Model name (Nom du modèle), entrez un nom.

  4. Pour IAM role (Rôle IAM), choisissez ou créez un rôle IAM auquel la politique IAM AmazonSageMakerFullAccess est attachée.

  5. Dans la section Container definition (Définition de conteneur), pour Provide model artifacts and inference image options (Fournir les options d'artefacts de modèle et d'image d'inférence), choisissez Use multiple models (Utiliser plusieurs modèles).

    La section de la page Create model (Créer un modèle) où vous pouvez choisir Use multiple models (Utiliser plusieurs modèles) pour héberger plusieurs modèles sur un seul point de terminaison.

  6. Pour Inference container image (Image du conteneur d'inférence), entrez le chemin Amazon ECR de l'image de conteneur souhaitée.

    Pour les modèles de GPU, vous devez utiliser un conteneur basé sur le serveur d'inférence NVIDIA Triton. Pour obtenir la liste des images de conteneurs compatibles avec des points de terminaison basés sur des GPU, consultez NVIDIA Triton Inference Containers (SM support only) (Conteneurs d'inférence NVIDIA Triton (support SM uniquement)). Pour plus d'informations sur le serveur d'inférence NVIDIA Triton, consultez Utiliser le serveur d'inférence Triton avec Amazon SageMaker.

  7. Sélectionnez Create model.

  8. Déployez votre point de terminaison multimodèle comme vous le feriez pour un point de terminaison de modèle unique. Pour obtenir des instructions, consultez Déployer le modèle dans les services SageMaker d'hébergement.

Créer un point de terminaison multi-modèle à l'aide de processeurs avec AWS SDK for Python (Boto3)

Utilisez la section suivante pour créer un point de terminaison multi-modèle basé sur des instances de processeur. Vous créez un point de terminaison multimodèles à l'aide des API create_model, create_endpoint_config et create_endpoint Amazon SageMaker comme vous le feriez pour créer un point de terminaison de modèle unique, mais avec deux modifications. Lors de la définition du conteneur de modèle, vous devez transmettre une nouvelle valeur de paramètre Mode, MultiModel. Vous devez également transmettre le champ ModelDataUrl qui spécifie le préfixe dans Amazon S3 où se trouvent les artefacts de modèle, au lieu du chemin d'accès à un artefact de modèle unique, comme vous le feriez pour le déploiement d'un modèle unique.

Pour obtenir un exemple de bloc-notes qui utilise SageMaker pour déployer plusieurs modèles XGBoost sur un point de terminaison, veuillez consulter l'Exemple de bloc-notes XGBoost de point de terminaison multimodèles.

La procédure suivante décrit les étapes clés utilisées dans cet exemple pour créer un point de terminaison multi-modèle basé sur un processeur.

Pour déployer le modèle (SDK AWS pour Python (Boto 3))

  1. Obtenez un conteneur avec une image qui prend en charge le déploiement de points de terminaison multimodèles. Pour obtenir la liste des algorithmes intégrés et des conteneurs de cadre qui prennent en charge les points de terminaison multimodèles, veuillez consulter Algorithmes, cadres et instances pris en charge. Dans cet exemple, nous utilisons l'algorithme intégré Algorithme k-NN (K-Nearest Neighbors, k plus proches voisins). Nous appelons l'utilitaire image_uris.retrieve()du Kit SDK SageMaker Python pour obtenir l'adresse de l'image de l'algorithme intégré K-Nearest Neighbors.

    import sagemaker
region = sagemaker_session.boto_region_name
image = sagemaker.image_uris.retrieve("knn",region=region)
container = { 
              'Image':        image,
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

  2. Obtenez un client AWS SDK for Python (Boto3) SageMaker et créez le modèle qui utilise ce conteneur.

    import boto3
sagemaker_client = boto3.client('sagemaker')
response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container])

  3. (Facultatif) Si vous utilisez un pipeline d'inférence série, obtenez le ou les conteneurs supplémentaires à inclure dans le pipeline et incluez-le dans l'argument Containers de CreateModel:

    preprocessor_container = { 
               'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<PREPROCESSOR_IMAGE>:<TAG>'
            }

multi_model_container = { 
              'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<IMAGE>:<TAG>',
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [preprocessor_container, multi_model_container]
            )
    Note

    Vous ne pouvez utiliser qu'un seul point de terminaison multimodèle dans un pipeline d'inférence série.

  4. (Facultatif) Si votre cas d'utilisation ne bénéficie pas de la mise en cache des modèles, définissez la valeur du champ ModelCacheSetting du paramètre MultiModelConfig sur Disabled, et incluez-la dans l'argument Container de l'appel à create_model. La valeur du champ ModelCacheSetting est Enabled par défaut.

    container = { 
                'Image': image, 
                'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
                'Mode': 'MultiModel' 
                'MultiModelConfig': {
                        // Default value is 'Enabled'
                        'ModelCacheSetting': 'Disabled'
                }
           }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container]
            )

  5. Configurez le point de terminaison multimodèle pour le modèle. Nous vous recommandons de configurer vos points de terminaison avec au moins deux instances. Cela permet à SageMaker de fournir un ensemble de prédictions hautement disponibles sur plusieurs zones de disponibilité pour les modèles.

    response = sagemaker_client.create_endpoint_config(
                EndpointConfigName = '<ENDPOINT_CONFIG_NAME>',
                ProductionVariants=[
                     {
                        'InstanceType':        'ml.m4.xlarge',
                        'InitialInstanceCount': 2,
                        'InitialVariantWeight': 1,
                        'ModelName':            '<MODEL_NAME>',
                        'VariantName':          'AllTraffic'
                      }
                ]
           )
    Note

    Vous ne pouvez utiliser qu'un seul point de terminaison multimodèle dans un pipeline d'inférence série.

  6. Créez le point de terminaison multimodèle à l'aide des paramètres EndpointName et EndpointConfigName.

    response = sagemaker_client.create_endpoint(
              EndpointName       = '<ENDPOINT_NAME>',
              EndpointConfigName = '<ENDPOINT_CONFIG_NAME>')

Créer un point de terminaison multi-modèle à l'aide de GPU avec AWS SDK for Python (Boto3)

Utilisez la section suivante pour créer un point de terminaison multi-modèle basé sur des GPU. Vous créez un point de terminaison multi-modèle à l'aide des API create_model, create_endpoint_config et create_endpoint Amazon SageMaker comme vous le feriez pour créer un point de terminaison à modèle unique, mais avec plusieurs modifications. Lors de la définition du conteneur de modèle, vous devez transmettre une nouvelle valeur de paramètre Mode, MultiModel. Vous devez également transmettre le champ ModelDataUrl qui spécifie le préfixe dans Amazon S3 où se trouvent les artefacts de modèle, au lieu du chemin d'accès à un artefact de modèle unique, comme vous le feriez pour le déploiement d'un modèle unique. Pour les points de terminaison multi-modèles basés sur des GPU, vous devez également utiliser un conteneur avec le serveur d'inférence NVIDIA Triton optimisé pour fonctionner sur des instances de GPU. Pour obtenir la liste des images de conteneurs compatibles avec des points de terminaison basés sur des GPU, consultez NVIDIA Triton Inference Containers (SM support only) (Conteneurs d'inférence NVIDIA Triton (support SM uniquement)).

Pour un exemple de bloc-notes qui montre comment créer un point de terminaison multi-modèle basé sur des GPU, consultez Run mulitple deep learning models on GPUs with Amazon SageMaker Multi-model endpoints (MME) (Exécuter plusieurs modèles de deep learning sur des GPU avec des points de terminaison multi-modèles Amazon SageMaker (MME)).

La procédure suivante décrit les étapes clés pour créer un point de terminaison multi-modèle basé sur un GPU.

Pour déployer le modèle (SDK AWS pour Python (Boto 3))

  1. Définissez l'image de conteneur. Pour créer un point de terminaison multi-modèle compatible avec des GPU pour les modèles ResNet, définissez le conteneur pour utiliser NVIDIA Triton Server image (Image du serveur NVIDIA Triton). Ce conteneur prend en charge les points de terminaison multi-modèles et est optimisé pour s'exécuter sur des instances de GPU. Nous appelons l'utilitaire image_uris.retrieve() du SageMaker Python SDK (Kit SDK Python SageMaker) pour obtenir l'adresse de l'image. Par exemple :

    import sagemaker
region = sagemaker_session.boto_region_name

// Find the sagemaker-tritonserver image at 
// https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-triton/resnet50/triton_resnet50.ipynb
// Find available tags at https://github.com/aws/deep-learning-containers/blob/master/available_images.md#nvidia-triton-inference-containers-sm-support-only

image = "<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/sagemaker-tritonserver:<TAG>".format(
    account_id=account_id_map[region], region=region
)

container = { 
              'Image':        image,
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel',
              "Environment": {"SAGEMAKER_TRITON_DEFAULT_MODEL_NAME": "resnet"},
            }

  2. Obtenez un client AWS SDK for Python (Boto3) SageMaker et créez le modèle qui utilise ce conteneur.

    import boto3
sagemaker_client = boto3.client('sagemaker')
response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container])

  3. (Facultatif) Si vous utilisez un pipeline d'inférence série, obtenez le ou les conteneurs supplémentaires à inclure dans le pipeline et incluez-le dans l'argument Containers de CreateModel:

    preprocessor_container = { 
               'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<PREPROCESSOR_IMAGE>:<TAG>'
            }

multi_model_container = { 
              'Image': '<ACCOUNT_ID>.dkr.ecr.<REGION_NAME>.amazonaws.com/<IMAGE>:<TAG>',
              'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
              'Mode':         'MultiModel'
            }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [preprocessor_container, multi_model_container]
            )
    Note

    Vous ne pouvez utiliser qu'un seul point de terminaison multimodèle dans un pipeline d'inférence série.

  4. (Facultatif) Si votre cas d'utilisation ne bénéficie pas de la mise en cache des modèles, définissez la valeur du champ ModelCacheSetting du paramètre MultiModelConfig sur Disabled, et incluez-la dans l'argument Container de l'appel à create_model. La valeur du champ ModelCacheSetting est Enabled par défaut.

    container = { 
                'Image': image, 
                'ModelDataUrl': 's3://<BUCKET_NAME>/<PATH_TO_ARTIFACTS>',
                'Mode': 'MultiModel' 
                'MultiModelConfig': {
                        // Default value is 'Enabled'
                        'ModelCacheSetting': 'Disabled'
                }
           }

response = sagemaker_client.create_model(
              ModelName        = '<MODEL_NAME>',
              ExecutionRoleArn = role,
              Containers       = [container]
            )

  5. Configurez le point de terminaison multi-modèle avec des instances basées sur des GPU pour le modèle. Nous vous recommandons de configurer vos points de terminaison avec plusieurs instances afin de garantir une haute disponibilité et un plus grand nombre d'accès au cache.

    response = sagemaker_client.create_endpoint_config(
                EndpointConfigName = '<ENDPOINT_CONFIG_NAME>',
                ProductionVariants=[
                     {
                        'InstanceType':        'ml.g4dn.4xlarge',
                        'InitialInstanceCount': 2,
                        'InitialVariantWeight': 1,
                        'ModelName':            '<MODEL_NAME>',
                        'VariantName':          'AllTraffic'
                      }
                ]
           )

  6. Créez le point de terminaison multimodèle à l'aide des paramètres EndpointName et EndpointConfigName.

    response = sagemaker_client.create_endpoint(
              EndpointName       = '<ENDPOINT_NAME>',
              EndpointConfigName = '<ENDPOINT_CONFIG_NAME>')