Concluir os pré-requisitos do .

O tópico a seguir descreve os pré-requisitos que você deve concluir antes de criar um endpoint sem servidor. Esses pré-requisitos incluem armazenar adequadamente os artefatos do modelo, configurar um AWS IAM com as permissões corretas e selecionar uma imagem de contêiner.

Como concluir os pré-requisitos

1. Configure uma AWS conta. Primeiro, você precisa de uma AWS conta e de um usuário AWS Identity and Access Management administrador. Para obter instruções sobre como configurar uma AWS conta, consulte Como faço para criar e ativar uma nova AWS conta? . Para instruções sobre como proteger sua conta com um usuário administrador do IAM, consulte Criando seu primeiro usuário administrador do IAM e grupo de usuários no Guia do usuário do IAM.

2. Crie um bucket do Amazon S3. Você usa um bucket do Amazon S3 para armazenar seus artefatos do modelo. Para saber como criar um bucket, consulte Criar seu primeiro bucket do S3 no Guia do usuário do Amazon S3.

3. Carregar os artefatos do modelo no bucket do S3. Para obter instruções sobre como carregar seu modelo em seu bucket, consulte Carregar um objeto em seu bucket no Guia do usuário do Amazon S3.

4. Crie uma função do IAM para a Amazon SageMaker AI. A Amazon SageMaker AI precisa acessar o bucket do S3 que armazena seu modelo. Crie uma função do IAM com uma política que dê à SageMaker IA acesso de leitura ao seu bucket. O procedimento a seguir mostra como criar uma função no console, mas você também pode usar a CreateRoleAPI do Guia do usuário do IAM. Para obter informações sobre como conceder mais permissões granulares à sua função com base no seu caso de uso, consulte Como usar funções de execução de SageMaker IA.

   1. Faça login no console do IAM.

   2. Na guia de navegação, selecione Funções.

   3. Selecione Criar função.

   4. Em Selecionar tipo de entidade confiável, escolha AWS serviço e, em seguida, escolha SageMaker AI.

   5. Escolha Próximo: permissões e, em seguida, escolha Próximo: tags.

   6. (Opcional) Adicione tags como pares de chave-valor se desejar ter metadados para a função.

   7. Escolha Próximo: revisar.

   8. Em Nome da função, insira um nome para a nova função que seja exclusivo em sua AWS conta. Você não pode editar o nome da função depois de criar a função.

   9. (Opcional) Em Descrição do perfil, insira uma descrição para o novo perfil.

   10. Selecione Criar perfil.

5. Anexe permissões de bucket do S3 à sua função de SageMaker IA. Depois de criar uma função do IAM, anexe uma política que dê permissão à SageMaker IA para acessar o bucket do S3 que contém os artefatos do seu modelo.

   1. Na guia de navegação do console do IAM, escolha Perfis.

   2. Na lista de funções, pesquise a função que você criou na etapa anterior por nome.

   3. Escolha sua função e, em seguida, escolha Anexar políticas.

   4. Em Anexar permissões, escolha Criar política.

   5. Na visualização de Criar política, selecione a guia JSON.

   6. Adicione as seguintes declarações de política no editor JSON: Certifique-se de substituir o <your-bucket-name> pelo nome do bucket do S3 que armazena os artefatos do modelo. Se você deseja restringir o acesso a uma pasta ou arquivo específico em seu bucket, também pode especificar o caminho da pasta do Amazon S3, por exemplo, <your-bucket-name>/<model-folder>.

      {
          "Version": "2012-10-17",
          "Statement": [
              {
                  "Sid": "VisualEditor0",
                  "Effect": "Allow",
                  "Action": "s3:GetObject",
                  "Resource": "arn:aws:s3:::<your-bucket-name>/*"
              }
          ]
      }

   7. Escolha Próximo: tags.

   8. (Opcional) Adicione tags aos pares de chave-valor à política.

   9. Escolha Próximo: revisar.

   10. Em Nome, insira um nome para a nova política.

   11. (Opcional) Adicione uma Descrição para a política.

   12. Escolha Criar política.

   13. Depois de criar a política, volte para Roles no console do IAM e selecione sua função de SageMaker IA.

   14. Escolha Anexar políticas.

   15. Em Anexar permissões, pesquise a política que você criou por nome. Selecione-a e escolha Anexar política.

6. Selecione uma imagem de contêiner do Docker pré-criada ou traga a sua própria. O contêiner que você escolher serve para inferência em seu endpoint. SageMaker A IA fornece contêineres para algoritmos integrados e imagens pré-criadas do Docker para algumas das estruturas de aprendizado de máquina mais comuns, como Apache, MXNet TensorFlow, PyTorch e Chainer. Para ver uma lista completa das imagens de SageMaker IA disponíveis, consulte Imagens de contêineres de Deep Learning Disponíveis.

   Se nenhum dos contêineres de SageMaker IA existentes atender às suas necessidades, talvez seja necessário criar seu próprio contêiner Docker. Para obter informações sobre como criar sua imagem do Docker e torná-la compatível com a SageMaker IA, consulteContêineres com código de inferência personalizado. Para usar seu contêiner com um endpoint sem servidor, a imagem do contêiner deve residir em um repositório Amazon ECR dentro da mesma AWS conta que cria o endpoint.

7. (Opcional) Registre seu modelo no registro de modelos. SageMaker O Model Registry ajuda você a catalogar e gerenciar versões de seus modelos para uso em pipelines de ML. Para obter mais informações sobre como registrar uma versão do seu modelo, consulte Criar um grupo de modelos e Registrar uma versão do modelo. Para obter um exemplo de registro de modelos e fluxo de trabalho da Inferência Sem Servidor, consulte o seguinte exemplo de caderno:

8. (Opcional) Traga uma AWS KMS chave. Ao configurar um endpoint sem servidor, você tem a opção de especificar uma chave KMS que a SageMaker IA usa para criptografar sua imagem do Amazon ECR. Observe que a política de chaves para a chave do KMS deve conceder acesso ao perfil do IAM que você especifica ao configurar seu endpoint. Para saber mais sobre chaves KMS, consulte o Guia do desenvolvedor do AWS Key Management Service.