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。
モデルのパッケージ化
SageMaker エッジマネージャーパッケージングの仕事はアマゾンを取る SageMaker Neo-モデルをコンパイルし、推論エンジンである Edge Manager エージェントを使用して、モデルのデプロイに必要な変更を加えます。
前提条件
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。
-
SageMaker Neo を使用して機械学習モデルをコンパイルする。
コンパイルが済んでいない場合は、次のようにモデルをコンパイルします。 SageMaker Neo. 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。を初めてお使いになる方向けの情報 SageMaker ネオ、通ってNeo Edge デバイスの使用開始。
-
コンパイルジョブの名前を取得する。
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。 SageMaker Neo. を開く SageMaker コンソールhttps://console.aws.amazon.com/sagemaker/
を選択し、コンパイルジョブに提出されたコンピレーションのリストを検索するにはAWSアカウント. 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。 -
IAM ARN を取得する。
モデルのダウンロードとアップロード、連絡先に使用する、IAM ロールの Amazon リソースネーム (ARN) が必要です。 SageMaker Neo.
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。
-
を使用してプログラム的に SageMaker Python SDK
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>
の使用方法の詳細については、 SageMaker Python SDK、を参照してください。SageMaker Python SDK API
。 -
AWS Identity and Access Management (IAM) コンソールを使用する
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。
-
-
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。
-
を使用してプログラム的に SageMaker Python SDK
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。デフォルトバケットは、次の形式に基づいて作成されます。
sagemaker-{region}-{aws-account-id}
。 を使用してデフォルトのバケットを作成するには SageMaker Python SDK、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
[] で Amazon S3 コンソールを開きます。https://console.aws.amazon.com/s3/
参照S3 バケットを作成する方法にとって step-by-step 手順。
-