前提条件を満たす

モデルをパッケージ化するには、以下を実行する必要があります。

1. SageMaker AI Neo を使用して機械学習モデルをコンパイルします。

   コンパイルが済んでいない場合は、SageMaker Neo を使用してモデルをコンパイルします。モデルをコンパイルする方法の詳細については、「Neo でモデルをコンパイルしてデプロイする」を参照してください。SageMaker Neo を初めてお使いになる方は「Neo Edge デバイスのご利用開始にあたって」を確認してください。

2. コンパイルジョブの名前を取得する。

   SageMaker Neo でモデルをコンパイルしたときに使ったコンパイルジョブ名を指定します。https://console.aws.amazon.com/sagemaker/ で SageMaker AI コンソールを開き、コンパイルジョブを選択して、 AWS アカウントに送信されたコンパイルのリストを検索します。送信されたコンパイルジョブの名前は [Name] (名前) 列にあります。

3. IAM ARN を取得する。

   モデルのダウンロードとアップロード、SageMaker Neo との通信に使用する、IAM ロールの Amazon リソースネーム (ARN) が必要です。

   IAM ARN を取得するには、以下のいずれかの方法を実行します。

   • SageMaker AI Python SDK を使用したプログラムによる

     import sagemaker
     
     # Initialize SageMaker Session object so you can interact with AWS resources
     sess = sagemaker.Session()
     
     # Get the role ARN 
     role = sagemaker.get_execution_role()
     
     print(role)
     >> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>

     SageMaker Python SDK の使用の詳細については、SageMaker AI Python SDK API」を参照してください。

   • AWS Identity and Access Management (IAM) コンソールの使用

     IAM コンソール (https://console.aws.amazon.com/iam/) に移動します。IAM の [Resources] (リソース) セクションで [Roles] (ロール) を選択して、 AWS アカウントのロールをリスト表示します。AmazonSageMakerFullAccess、AWSIoTFullAccess、AmazonS3FullAccess を持つロールを選択または作成します。

     詳細については、「IAM とは」を参照してください。

4. S3 バケット URI を把握する。

   Neo でコンパイルされたモデル、Edge Manager のパッケージ化ジョブの出力、およびデバイスフリートからのサンプリングデータを保存するには、1 つ以上の Amazon Simple Storage Service (Amazon S3) バケット URI が必要です。

   Amazon S3 バケットを作成するには、次のいずれかの方法を実行します。

   • SageMaker AI Python SDK を使用したプログラムによる

     セッション中は、デフォルトの Amazon S3 バケットを使用できます。デフォルトのバケットは、sagemaker-{region}-{aws-account-id} の形式に基づいて作成されます。SageMaker Python SDK を使用してデフォルトのバケットを作成するには、以下を使用します。

     import sagemaker
     
     session=sagemaker.create_session()
     
     bucket=session.default_bucket()

   • Amazon S3 コンソールの使用

     Amazon S3 コンソール (https://console.aws.amazon.com/s3/) を開きます。詳細な手順については「S3 バケットを作成する方法」を参照してください。