Utiliser SparkML Serving avec Amazon SageMaker - Amazon SageMaker

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.

Utiliser SparkML Serving avec Amazon SageMaker

Le modèle et le prédicteur SparkML Serving du SDK Amazon SageMaker Python et le conteneur SageMaker open source SparkML Serving d'Amazon prennent en charge le déploiement de pipelines Apache Spark ML sérialisés avec mLeap in pour obtenir des inférences. SageMaker

Pour plus d'informations sur l'utilisation du conteneur SparkML Serving pour déployer des modèles, SageMaker consultez le référentiel SageMaker de conteneurs Spark ML. GitHub Pour plus d'informations sur le modèle de service SparkML et les prédicteurs du SDK Amazon SageMaker Python, consultez la documentation du modèle de service SparkML et de l'API Predictor.