モデルパッケージを使用してモデルを作成する - Amazon SageMaker AI

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。

モデルパッケージを使用してモデルを作成する

モデルパッケージを使用し、ホストエンドポイントを作成するか、バッチ変換ジョブを実行して、リアルタイムの推論を得るために使用できるデプロイ可能なモデルを作成します。Amazon SageMaker AI コンソール、低レベルの SageMaker API)、または Amazon Amazon SageMaker Python SDK を使用して、モデルパッケージからデプロイ可能なモデルを作成できます。

モデルパッケージを使用してモデルを作成する (コンソール)

モデルパッケージからデプロイ可能なモデルを作成するには (コンソール)
  1. https://console.aws.amazon.com/sagemaker/ で SageMaker AI コンソールを開きます。

  2. [Model packages (モデルパッケージ)] を選択します。

  3. [My model packages (自分のモデルパッケージ)] タブのリストから作成したモデルパッケージを選択するか、[AWS Marketplace subscriptions (AWS Marketplace サブスクリプション)] タブでサブスクライブしたモデルパッケージを選択します。

  4. [モデルの作成] を選択します。

  5. [モデル名] には、モデルの名前を入力します。

  6. IAM ロールの場合は、ユーザーに代わって他の サービスを呼び出すために必要なアクセス許可を持つ IAM ロールを選択するか、新しいロールの作成を選択して、SageMaker AI が AmazonSageMakerFullAccess管理ポリシーがアタッチされたロールを作成できるようにします。詳細については、SageMaker AI 実行ロールの使用方法 を参照してください。

  7. [VPC] には、モデルにアクセス権を付与する Amazon VPC を選択します。詳細については、「SageMaker AI ホストエンドポイントに Amazon VPC 内のリソースへのアクセスを許可する」を参照してください。

  8. [Container input options (コンテナ入力オプション)] と [Choose model package (モデルパッケージの選択)] はデフォルト値のままにします。

  9. 環境変数には、モデルコンテナに渡す環境変数の名前と値を入力します。

  10. [タグ] には、モデルを管理するためのタグを 1 つ以上指定します。各タグは、キー、および値 (オプション) で構成されます。タグキーはリソースごとに一意である必要があります。

  11. [モデルの作成] を選択します。

デプロイ可能なモデルを作成したら、それを使用してリアルタイム推論用のエンドポイントを設定したり、データセット全体の推論を取得するためのバッチ変換ジョブを作成したりすることができます。SageMaker AI でエンドポイントをホストする方法については、「推論用にモデルをデプロイする」を参照してください。

モデルパッケージを使用してモデルを作成する (API)

モデルパッケージを使用してデプロイ可能なモデルを作成する際に SageMaker API を使用するには、CreateModel API に渡す ContainerDefinition オブジェクトの ModelPackageName フィールドにモデルパッケージの名前または Amazon リソースネーム (ARN) を指定します。

デプロイ可能なモデルを作成したら、それを使用してリアルタイム推論用のエンドポイントを設定したり、データセット全体の推論を取得するためのバッチ変換ジョブを作成したりすることができます。SageMaker AI のホストエンドポイントの詳細については、「推論用のモデルのデプロイ」を参照してください。

モデルパッケージを使用してモデルを作成する (Amazon SageMaker Python SDK)

モデルパッケージを使用してデプロイ可能なモデルを作成するには、SageMaker AI Python SDK を使用して ModelPackage オブジェクトを初期化し、モデルパッケージの Amazon リソースネーム (ARN) を引model_package_arn数として渡します。以下に例を示します。

from sagemaker import ModelPackage model = ModelPackage(role='SageMakerRole', model_package_arn='training-job-scikit-decision-trees-1542660466-6f92', sagemaker_session=sagemaker_session)

デプロイ可能なモデルを作成したら、それを使用してリアルタイム推論用のエンドポイントを設定したり、データセット全体の推論を取得するためのバッチ変換ジョブを作成したりすることができます。SageMaker AI でエンドポイントをホストする方法については、「推論用にモデルをデプロイする」を参照してください。