アマゾンを作る SageMaker資源 - AWS Marketplace
モデルパッケージを作成する アルゴリズムを作成する

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

アマゾンを作る SageMaker資源

モデルパッケージまたはアルゴリズム製品を公開するには、それぞれのパッケージリソースのモデルまたはアルゴリズムリソースアマゾンで SageMaker。

のリソースを作成するときAWS Marketplace製品の場合、検証ステップを通じて認証を受ける必要があります。検証ステップでは、公開する前に、モデルパッケージまたはアルゴリズムリソースをテストするためのデータを提供する必要があります。

注記

製品のイメージをまだ作成しておらず、Amazon Elastic Container Registry (Amazon ECR) にアップロードしていない場合は、「」を参照してください。コードを画像にパッケージ化するそして画像をアップロードしますその方法については。

モデルパッケージを作成する

以下に、モデルパッケージを作成するための要件を示します。AWS Marketplace:

  • 保存されている推論画像Amazon ECR

  • (オプション) モデルアーティファクト、別々に保存Simple Storage Service (Amazon S3)

  • Amazon Simple Storage Service (Amazon S3) での保存に使用されたテストデータ

注記

以下は、モデルパッケージ製品の作成に関するものです。のモデルパッケージの詳細については SageMaker「」を参照してください。モデルパッケージのリソースを作成する。

モデルパッケージリソースの作成

次の手順では、モデルパッケージリソースを作成する手順を説明します。

ステップ 1: モデルパッケージリソースを作成するには

  1. を開くアマゾン SageMaker コンソール。

  2. [] にいることを確認しますAWSページの右上にあるページで、公開するリージョン。公開については、サポート対象AWS リージョンの発行セクションに追加します。前のステップで Amazon ECR にアップロードした推論イメージは、同じリージョンに存在する必要があります。

  3. 左のナビゲーションメニューの [] を選択します。モデルパッケージ。

  4. [Create model package (モデルパッケージの作成)] を選択します。

パッケージを作成したら、推論パッケージの仕様を設定する必要があります。

ステップ 2: 推論仕様を設定するには

  1. 以下の内容を指定します。[Name] (名前)のモデルパッケージ (たとえばmy-model-package).

  2. を使用する場合推論画像の場所に、Amazon ECR にアップロードされた推論画像の URI を入力します。URI を取得するには、画像をAmazon ECR コンソール。

  3. トレーニングのモデルアーティファクトが推論イメージのロジックにバンドルされている場合は、モデルデータアーティファクトの場所空の。それ以外の場合は、モデルアーティファクトの圧縮ファイル (.tar.gz) の完全な Amazon S3 の場所を指定します。

  4. ドロップダウンボックスを使用して、両方のリアルタイム推論でサポートされている推論イメージのインスタンスタイプを選択します（別名エンドポイント) とバッチ変換ジョブ。

  5. [次へ] を選択します。

モデルパッケージを作成して公開する前に、期待どおりに機能することを確認するための検証が必要です。これには、指定した推論用のテストデータを使用してバッチ変換ジョブを実行する必要があります。検証仕様は SageMaker 検証の実行方法。

ステップ 3: 検証仕様を設定するには

  1. 設定でモデルパッケージを公開するAWS Marketplaceにはい。に設定するといいえでは、このモデルパッケージを後で公開することはできません。選ぶはい 証明するのモデルパッケージAWS Marketplace検証ステップが必要です。

  2. このプロセスを初めて完了する場合は、[] を選択します。新規ロールの作成向けのIAM ロール。アマゾン SageMaker は、モデルパッケージを展開するときにこのロールを使用します。これには、Amazon ECR からのイメージや Amazon S3 からのアーティファクトのプルなどのアクションが含まれます。設定を確認し、[] を選択します。ロールの作成。 ここでロールを作成すると、 AmazonSageMakerFullAccessIAM ポリシーを、作成するロールに適用します。

  3. の編集JSON[] で展開します。 許可される値の詳細については、「」を参照してください。TransformJobDefinition。

    1. TransformInput.DataSource.S3Uri: 推論用のテストデータを保存する場所に設定します。

    2. TransformInput.ContentType: テストデータのコンテンツタイプを指定します (たとえば、application/json,text/plain,image/png , または他の値). SageMaker は実際の入力データを検証しません。この値は、コンテナの HTTP エンドポイントに渡されます。Content-typeヘッダー値。

    3. TransformInput.CompressionType: に設定NoneAmazon S3 の推論用のテストデータが圧縮されていない場合。

    4. TransformInput.SplitType: に設定Noneで Amazon S3 のオブジェクトそれぞれを全体として渡して推論します。

    5. TransformOutput.S3OutputPath: 推論出力が保存されている場所に設定します。

    6. TransformOutput.AssembleWith: に設定None各推論を Amazon S3 内の個別のオブジェクトとして出力します。

  4. [Create model package (モデルパッケージの作成)] を選択します。

SageMaker は Amazon ECR から推論イメージを取得し、アーティファクトを推論コンテナにコピーし、推論用のテストデータを使用してバッチ変換ジョブを実行します。検証が成功すると、ステータスがCompleted。

注記

検証ステップでは、テストデータによるモデルの精度は評価されません。検証ステップは、コンテナーが実行され、期待どおりに応答するかどうかを確認します。

モデル製品リソースの作成が完了しました。「で製品を公開するAWS Marketplace」に進みます。

アルゴリズムを作成する

以下はアルゴリズムを作成するための要件です。AWS Marketplace:

  • Amazon ECR に保存される推論イメージ

  • Amazon ECR に保存されるトレーニングイメージ

  • トレーニング用のテストデータ。Amazon S3 に保存される

  • 推論のためのテストデータ、Amazon S3 に保存される

注記

次のチュートリアルでは、アルゴリズムプロダクトを作成します。詳細については、次を参照してください。アルゴリズムリソースを作成する。

アルゴリズムリソースを作成する

次の手順では、アルゴリズムパッケージにリソースを作成する手順を説明します。

ステップ 1: アルゴリズムリソースを作成するには

  1. を開くアマゾン SageMaker コンソール。

  2. [] にいることを確認しますAWSページの右上にある公開元のリージョン (「」サポート対象AWS リージョンの発行). 前のステップで Amazon ECR にアップロードしたトレーニングイメージと推論イメージは、この同じリージョンにある必要があります。

  3. 左のナビゲーションメニューの [] を選択します。アルゴリズム。

  4. [Create algorithm (アルゴリズムの作成)] を選択します。

アルゴリズムパッケージを作成したら、モデルのトレーニングとチューニングの仕様を設定する必要があります。

ステップ 2: トレーニングとチューニングの仕様を設定するには

  1. 「」と入力します[Name] (名前)あなたのアルゴリズム (例えば、my-algorithm).

  2. を使用する場合トレーニングイメージで、Amazon ECR にアップロードされたトレーニング画像の完全な URI の場所を貼り付けます。URI を取得するには、画像をAmazon ECR コンソール。

  3. ドロップダウンボックスを使用して、トレーニング用インスタンスタイプあなたのトレーニングイメージがサポートしていること。

  4. でチャンネル仕様セクションで、アルゴリズムがサポートする入力データセットごとに、最大 20 チャネルの入力ソースにチャネルを追加します。詳細については、次を参照してください。入力データ設定。

  5. [次へ] を選択します。

  6. アルゴリズムがハイパーパラメーターとハイパーパラメーター調整をサポートしている場合、調整パラメーターを指定しなければなりません。

  7. [次へ] を選択します。

注記

アルゴリズムがハイパーパラメーター調整をサポートし、適切なパラメーターを調整可能にすることを強くお勧めします。これにより、データサイエンティストはモデルを調整して最良の結果を得ることができます。

調整パラメーターを設定したら (存在する場合)、推論イメージの仕様を設定する必要があります。

ステップ 3: 推論画像仕様を設定するには

  1. を使用する場合推論画像の場所で、Amazon ECR にアップロードされた推論イメージの URI を貼り付けます。URI を取得するには、画像をAmazon ECR コンソール。

  2. ドロップダウンボックスを使用して、リアルタイム推論（別名：エンドポイント) とバッチ変換ジョブ。

  3. [次へ] を選択します。

アルゴリズムを作成して公開する前に、アルゴリズムが期待どおりに機能することを確認するための検証が必要です。これには、トレーニング用のテストデータを含むトレーニングジョブと、指定した推論用のテストデータを含むバッチ変換ジョブの両方を実行する必要があります。検証仕様は SageMaker 検証の実行方法。

ステップ 4: 検証仕様を設定するには

  1. 設定このアルゴリズムをAWS Marketplaceにはい。に設定するといいえでは、このアルゴリズムは後で公開できません。選ぶはい 証明するのアルゴリズムAWS Marketplace検証仕様が必要です。

  2. 機械学習パッケージを初めて作成する場合AWS Marketplace、選択新規ロールの作成向けのIAM ロール。アマゾン SageMaker は、アルゴリズムをトレーニングし、後続のモデルパッケージを展開するときにこのロールを使用します。これには、Amazon ECR からのイメージのプル、Amazon S3 へのアーティファクトの保存、Amazon S3 からのトレーニングデータのコピーなどのアクションが含まれます。設定を確認し、[] を選択します。ロールの作成。 ここでロールを作成すると、 AmazonSageMakerFullAccessIAM ポリシーを、作成するロールに適用します。

  3. の編集JSON検証プロファイルのファイルトレーニングジョブの定義。許可される値の詳細については、「」を参照してください。 TrainingJobDefinition。

    1. InputDataConfig: この JSON 配列に、Channel オブジェクトトレーニング仕様ステップで指定したチャンネルごとに。チャネルごとに、学習用のテストデータを保存する場所を指定します。

    2. OutputDataConfig: トレーニングが完了すると、トレーニングコンテナディレクトリパス内のモデルアーティファクト/opt/ml/model/は圧縮され、Amazon S3 にコピーされます。圧縮ファイル (.tar.gz) が保存されている Amazon S3 の場所を指定します。

  4. 次の検証プロファイルの JSON ファイルを編集します。変換ジョブの定義。許可される値の詳細については、「」を参照してください。 TransformJobDefinition。

    1. TransformInput.DataSource.S3Uri: 推論用のテストデータを保存する場所に設定します。

    2. TransformInput.ContentType: テストデータのコンテンツタイプを指定します。例:application/json,text/plain,image/png, またはその他の値。アマゾン SageMaker は実際の入力データを検証しません。この値は、コンテナの HTTP エンドポイントに渡されます。Content-typeヘッダー値。

    3. TransformInput.CompressionType: に設定NoneAmazon S3 の推論用のテストデータが圧縮されていない場合。

    4. TransformInput.SplitType: S3 でオブジェクトを分割する方法を選択します。例:Noneは、Amazon S3 のオブジェクトそれぞれを全体として渡し、推論します。詳細については、「」を参照してください。 SplitTypeアマゾンで SageMaker API リファレンス。

    5. TransformOutput.S3OutputPath: 推論出力が格納される場所に設定します。

    6. TransformOutput.AssembleWith: に設定None各推論を Amazon S3 内の個別のオブジェクトとして出力します。

  5. 選択アルゴリズムパッケージを作成する。

SageMaker は Amazon ECR からトレーニングイメージを取得し、データを使用してテストトレーニングジョブを実行し、モデルアーティファクトを Amazon S3 に保存します。次に、Amazon ECR から推論イメージを取得し、Amazon S3 から推論コンテナにアーティファクトをコピーし、推論用のテストデータを使用してバッチ変換ジョブを実行します。検証が成功すると、ステータスがCompleted。

注記

検証ステップでは、テストデータを使用した学習またはモデルの精度は評価されません。検証ステップは、コンテナーが期待どおりに実行され、応答するかどうかを確認します。

検証ステップはバッチ処理のみを検証します。リアルタイム処理が製品で機能することを検証するのはお客様次第です。

アルゴリズム製品リソースの作成が完了しました。「で製品を公開するAWS Marketplace」に進みます。