Création d'une ressource de package de modèle

Pour créer une ressource de package de modèles que vous pouvez utiliser pour créer des modèles déployables sur Amazon SageMaker et les publier, AWS Marketplace spécifiez les informations suivantes :

• Le conteneur Docker qui contient le code d'inférence ou la ressource d'algorithme qui a été utilisée pour former le modèle.

• L'emplacement des artefacts de modèles. Les artefacts de modèle peuvent être empaquetés dans le même conteneur Docker que le code d'inférence ou stockés dans Amazon S3.

• Les types d'instances pris en charge par votre package de modèle pour les tâches d'inférence et de transformation par lots en temps réel.

• Les profils de validation, qui sont des tâches de transformation par lots SageMaker exécutées pour tester le code d'inférence du package de votre modèle.

  Avant de mettre en vente des modèles de packages AWS Marketplace, vous devez les valider. Cela garantit que les acheteurs et les vendeurs peuvent être sûrs que les produits fonctionnent sur Amazon SageMaker. Vous ne pouvez mettre en vente des produits AWS Marketplace que si la validation aboutit.

  La procédure de validation utilise votre profil de validation et les exemples de données afin d'exécuter les tâches de validation ci-dessous :

  1. Création d'un modèle dans votre compte à l'aide de l'image d'inférence du package de modèle et des artefacts de modèle facultatifs qui sont stockés dans Amazon S3.

     Note

     Un package de modèle est spécifique à la région dans laquelle vous le créez. Le compartiment S3 où les artefacts de modèle sont stockés doit se trouver dans la même région que celle où vous avez créé le package de modèle.

  2. Créez une tâche de transformation dans votre compte à l'aide du modèle pour vérifier que votre image d'inférence fonctionne avec SageMaker.

  3. Créer un profil de validation.

  Note

  Dans votre profil de validation, fournissez uniquement les données que vous souhaitez exposer publiquement.

  La validation peut durer plusieurs heures. Pour connaître le statut des tâches de votre compte, dans la SageMaker console, consultez les pages de transformation des tâches. Si la validation échoue, vous pouvez accéder aux rapports de numérisation et de validation depuis la SageMaker console. Une fois les problèmes corrigés, recréez l'algorithme. Lorsque le statut de l'algorithme est atteintCOMPLETED, trouvez-le dans la SageMaker console et lancez le processus de listage

  Note

  Pour publier votre modèle de package sur AWS Marketplace, au moins un profil de validation est requis.

Vous pouvez créer un modèle de package à l'aide de la SageMaker console ou de l' SageMaker API.

Création d'une ressource de package de modèle (console)

Pour créer un package modèle dans la SageMaker console :

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

2. Dans le menu de gauche, sélectionnez Inference (Inférence).

3. Sélectionnez Marketplace model packages (Packages de marketplace), puis sélectionnez Create marketplace model package (Créer un package de modèle de marketplace).

4. Sur la page Inference specifications (Spécifications d'inférence), fournissez les informations suivantes :

   1. Sous Model package name (Nom du package de modèle), attribuez un nom au package de modèle. Le nom du package modèle doit être unique dans votre compte et dans la AWS région. Il doit comporter entre 1 et 64 caractères. Les caractères valides sont : a-z, A-Z, 0-9 et le trait d'union (-).

   2. Tapez une description pour votre package de modèle. Cette description apparaît dans la SageMaker console et dans le AWS Marketplace.

   3. Sous Inference specification options (Options de spécification d'inférence), choisissez Provide the location of the inference image and model artifacts (Préciser l'emplacement de l'image d'inférence et des artefacts de modèles) afin de créer un package de modèle à l'aide d'un conteneur d'inférence et d'artefacts de modèles. Choisissez Provide the algorithm used for training and its model artifacts (Préciser l'algorithme utilisé pour l'entraînement et ses artefacts de modèles) afin de créer un package de modèle à partir d'une ressource d'algorithme que vous avez créée ou à laquelle vous vous êtes abonné sur AWS Marketplace.

   4. Si vous avez choisi Provide the location of the inference image and model artifacts (Préciser l'emplacement de l'image d'inférence et des artefacts de modèles) comme Inference specification options (Options de spécification d'inférence), fournissez les informations suivantes dans les champs Container definition (Définition de conteneur) et Supported resources (Ressources prises en charge) :

      1. Sous Location of inference image (Emplacement de l'image d'inférence), tapez le chemin d'accès à l'image qui contient le code d'inférence. L'image doit être stockée en tant que conteneur Docker dans Amazon ECR.

      2. Sous Location of model data artifacts (Emplacement des artefacts de données de modèles), tapez l'emplacement dans S3 où sont stockés les artefacts de modèles.

      3. Sous Container DNS host name (Nom d'hôte DNS du conteneur), tapez le nom de l'hôte DNS à utiliser pour votre conteneur.

      4. Pour Supported instance types for real-time inference (Types d'instances pris en charge pour l'inférence en temps réel), choisissez les types d'instances pris en charge par votre package de modèle pour l'inférence en temps réel à partir des points de terminaison hébergés par SageMaker .

      5. Sous Supported instance types for batch transform jobs (Types d'instances pris en charge pour les tâches de transformation par lots), choisissez les types d'instances pris en charge par votre package de modèle pour les tâches de transformation par lots.

      6. Sous Supported content types (Types de contenu pris en charge), saisissez les types de contenu attendus par votre package de modèle pour les demandes d'inférence.

      7. Sous Supported response MIME types (Types MIME de réponse pris en charge), tapez les types MIME utilisés par votre modèle pour fournir des inférences.

   5. Si vous avez choisi Provide the algorithm used for training and its model artifacts (Préciser l'algorithme utilisé pour l'entraînement et ses artefacts de modèles) comme Inference specification options (Options de spécification d'inférence), fournissez les informations suivantes :

      1. Sous Algorithm ARN (ARN de l'algorithme), saisissez l'Amazon Resource Name (ARN) de la ressource d'algorithme à utiliser pour créer le package de modèle.

      2. Sous Location of model data artifacts (Emplacement des artefacts de données de modèles), tapez l'emplacement dans S3 où sont stockés les artefacts de modèles.

   6. Choisissez Suivant.

5. Sur la page Validation and scanning (Validation et analyse), fournissez les informations suivantes :

   1. Pour Publier ce modèle de package sur AWS Marketplace, choisissez Oui pour publier le modèle de package sur AWS Marketplace.

   2. Pour Valider cette ressource, choisissez Oui si vous SageMaker souhaitez exécuter les tâches de transformation par lots que vous spécifiez pour tester le code d'inférence de votre package de modèle.

      Note

      Pour publier votre modèle de package sur AWS Marketplace, celui-ci doit être validé.

   3. Pour le rôle IAM, choisissez un rôle IAM disposant des autorisations requises pour exécuter des tâches de transformation par lots SageMaker, ou choisissez Créer un nouveau rôle pour autoriser la création SageMaker d'un rôle auquel la politique AmazonSageMakerFullAccess gérée est attachée. Pour plus d'informations, veuillez consulter Comment utiliser les rôles SageMaker d'exécution.

   4. Sous Validation profile (Profil de validation), spécifiez ce qui suit :

      • Un nom pour le profil de validation.

      • Une définition de tâche de transformation. Il s'agit d'un bloc JSON qui décrit une tâche de transformation par lots. Ce paramètre a le même format que le paramètre d'entrée TransformJobDefinition de l'API CreateAlgorithm.

6. Sélectionnez Create marketplace model package (Créer un package de modèle de marketplace).

Création d'une ressource de package de modèle (API)

Pour créer un package modèle à l'aide de l' SageMaker API, appelez l'CreateModelPackageAPI.