사전 조건 완료

모델을 패키징하려면 다음을 수행하여야 합니다.

1. SageMaker AI Neo로 기계 학습 모델을 컴파일합니다.

   아직 수행하지 않은 경우 SageMakerNeo로 모델을 컴파일합니다. 모델 컴파일 방법에 대한 자세한 정보는Neo로 모델 컴파일 및 배포하기에서 확인하세요. SageMakerNeo를 처음 사용하는 경우,Neo 엣지 디바이스 시작하기를 참조하세요.

2. 컴파일 작업 이름을 가져옵니다.

   SageMakerNeo로 모델을 컴파일할 때 사용한 컴파일 작업 이름을 입력합니다. https://console.aws.amazon.com/sagemaker/ SageMaker AI 콘솔을 열고 컴파일 작업을 선택하여 AWS 계정에 제출된 컴파일 목록을 찾습니다. 제출된 컴파일 작업 이름은 이름 열에 있습니다

3. IAM ARN을 가져옵니다.

   모델을 다운로드 및 업로드하고 SageMakerNeo에 문의하는 데 사용할 수 있는 IAM 역할의 Amazon 리소스 이름(ARN)이 필요합니다.

   다음 중 한 가지 방법으로 IAM ARN을 가져옵니다.

   • SageMaker AI Python SDK를 사용하여 프로그래밍 방식으로

     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 사용에 대한 자세한 내용은 SageMaker AI Python SDK API를 참조하세요.

   • AWS Identity and Access Management (IAM) 콘솔 사용

     https://console.aws.amazon.com/iam/에서 IAM 콘솔로 이동합니다. IAM 리소스 섹션에서 역할을 선택하여 사용자 AWS 계정에 있는 역할 목록을 확인합니다. AmazonSageMakerFullAccess, AWSIoTFullAccess, AmazonS3FullAccess이(가) 있는 역할을 선택하거나 생성합니다.

     IAM에 대한 자세한 내용은 IAM이란?을 참조하세요.

4. S3 버킷 URI를 확보합니다.

   Neo로 컴파일된 모델, Edge Manager 패키징 작업 출력, 디바이스 플릿 샘플 데이터를 저장하려면 Amazon Simple Storage Service(S3) 버킷 URI가 하나 이상 있어야 합니다.

   다음 중 한 가지 방법으로 Amazon S3 버킷을 생성합니다.

   • SageMaker AI Python SDK를 사용하여 프로그래밍 방식으로

     세션 중에 기본 Amazon S3 버킷을 사용할 수 있습니다. 기본 버킷은 sagemaker-{region}-{aws-account-id} 형식을 기반으로 생성됩니다. SageMaker Python SDK로 기본 버킷을 생성하는 방법은 다음과 같습니다.

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

   • Amazon S3 콘솔 사용

     https://console.aws.amazon.com/s3/에서 Amazon S3 콘솔을 열고 S3 버킷을 생성하려면 어떻게 해야 하나요?에서 단계별 지침을 확인합니다.