Kembangkan Algoritma dan Model di Amazon SageMaker

Sebelum Anda dapat membuat algoritme dan model sumber daya paket untuk digunakan di Amazon SageMaker atau daftar AWS Marketplace, Anda harus mengembangkannya dan mengemasnya dalam wadah Docker.

catatan

Ketika algoritme dan paket model dibuat untuk dicantumkan AWS Marketplace, SageMaker memindai kontainer untuk kerentanan keamanan pada sistem operasi yang didukung.

Hanya versi sistem operasi berikut yang didukung:

• Debian: 6.0, 7, 8, 9, 10

• Ubuntu: 12.04, 12.10, 13.04, 14.04, 14.10, 15.04, 15.10, 16.04, 16.10, 17.04, 17.10, 17.10, 18.04, 18.10

• CentOS: 5, 6, 7

• Oracle Linux: 5, 6, 7

• Alpen: 3.3, 3.4, 3.5

• Amazon Linux

Mengembangkan Algoritma di SageMaker

Algoritma harus dikemas sebagai wadah docker dan disimpan di Amazon ECR untuk menggunakannya. SageMaker Wadah Docker berisi kode pelatihan yang digunakan untuk menjalankan pekerjaan pelatihan dan, secara opsional, kode inferensi yang digunakan untuk mendapatkan kesimpulan dari model yang dilatih dengan menggunakan algoritme.

Untuk informasi tentang mengembangkan algoritme SageMaker dan mengemasnya sebagai wadah, lihatGunakan kontainer Docker untuk melatih dan menerapkan model. Untuk contoh lengkap cara membuat wadah algoritme, lihat contoh buku catatan di https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. Anda juga dapat menemukan contoh notebook dalam contoh SageMaker notebook. Notebook ada di bagian Fungsi Lanjutan, dan diberi namascikit_bring_your_own.ipynb. Untuk informasi tentang menggunakan contoh buku catatan dalam contoh buku catatan, lihatNotebooks contoh.

Selalu uji algoritme Anda secara menyeluruh sebelum Anda membuat sumber daya algoritme untuk dipublikasikan AWS Marketplace.

catatan

Saat pembeli berlangganan produk kontainer Anda, kontainer Docker berjalan di lingkungan yang terisolasi (bebas internet). Saat Anda membuat wadah, jangan mengandalkan panggilan keluar melalui internet. Panggilan ke AWS layanan juga tidak diizinkan.

Mengembangkan Model di SageMaker

Model deployable SageMaker terdiri dari kode inferensi, artefak model, peran IAM yang digunakan untuk mengakses sumber daya, dan informasi lain yang diperlukan untuk menyebarkan model di. SageMaker Artefak model adalah hasil pelatihan model dengan menggunakan algoritma pembelajaran mesin. Kode inferensi harus dikemas dalam wadah Docker dan disimpan di Amazon ECR. Anda dapat mengemas artefak model dalam wadah yang sama dengan kode inferensi, atau menyimpannya di Amazon S3.

Anda membuat model dengan menjalankan pekerjaan pelatihan di SageMaker, atau dengan melatih algoritma pembelajaran mesin di luar SageMaker. Jika Anda menjalankan pekerjaan pelatihan di SageMaker, artefak model yang dihasilkan tersedia di ModelArtifacts lapangan sebagai respons terhadap panggilan ke DescribeTrainingJoboperasi. Untuk informasi tentang cara mengembangkan wadah SageMaker model, lihatGunakan kode inferensi Anda sendiri. Untuk contoh lengkap cara membuat wadah model dari model yang dilatih di luar SageMaker, lihat contoh buku catatan di https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. Anda juga dapat menemukan contoh notebook dalam contoh SageMaker notebook. Notebook ada di bagian Fungsi Lanjutan, dan diberi namaxgboost_bring_your_own_model.ipynb. Untuk informasi tentang menggunakan contoh buku catatan dalam contoh buku catatan, lihatNotebooks contoh.

Selalu uji model Anda secara menyeluruh sebelum Anda membuat paket model untuk dipublikasikan AWS Marketplace.

catatan

Saat pembeli berlangganan produk kontainer Anda, kontainer Docker berjalan di lingkungan yang terisolasi (bebas internet). Saat Anda membuat wadah, jangan mengandalkan panggilan keluar melalui internet. Panggilan ke AWS layanan juga tidak diizinkan.