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

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。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、Amazon SageMaker コンソール、低レベルの SageMaker API、またはを使用します。Amazon SageMaker Python SDK

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. で SageMaker コンソールを開きます。https://console.aws.amazon.com/sagemaker/

  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. を使用する場合IAM ロール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権限を持つ IAM ロールを選択するか、または [新規ロールの作成[SageMaker は、AmazonSageMakerFullAccess管理ポリシーをアタッチします。詳細については、「SageMaker ロール」を参照してください。

  7. を使用する場合VPCで、モデルにアクセスを許可する Amazon VPC を選択します。詳細については、「SageMaker ホストエンドポイントへの Amazon VPC のリソースへのアクセス権の付与」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。各タグはキーとオプションの値で構成されます。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 でのエンドポイントのホスティングについては、推論のためのモデルをデプロイ

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には、SageMaker API を使用するには、モデルパッケージの名前または Amazon リソースネーム (ARN) をModelPackageName[] フィールドのContainerDefinitionに渡すオブジェクトをCreateModelAPI.

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 でホストエンドポイントの詳細については、」推論のためのモデルをデプロイ

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 Python SDK を使用します。ModelPackageオブジェクトを作成し、モデルパッケージの Amazon リソースネーム (ARN) をmodel_package_arn引数。次に例を示します。

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 でのエンドポイントのホスティングについては、推論のためのモデルをデプロイ