在 Amazon 中开发算法和模型 SageMaker

在创建要在 Amazon 中使用 SageMaker 或列出的算法和模型包资源之前 AWS Marketplace，您必须开发它们并将它们打包到 Docker 容器中。

注意

创建用于列出的算法和模型包时 AWS Marketplace， SageMaker会扫描容器中支持的操作系统上是否存在安全漏洞。

只支持以下操作系统版本：

• Debian：6.0、7、8、9、10

• Ubuntu：12.04、12.10、13.04、14.04、14.10、15.04、15.10、16.04、16.10、17.04、17.10、18.04、18.10

• CentOS：5、6、7

• Oracle Linux：5、6、7

• Alpine：3.3、3.4、3.5

• Amazon Linux

在中开发算法 SageMaker

应将算法打包为 docker 容器并存储在 Amazon ECR 中以供使用。 SageMakerDocker 容器包含用于运行训练作业的训练代码，以及（可选）用于从使用该算法训练的模型中获取推理的推理代码。

有关在中开发算法 SageMaker 并将其打包为容器的信息，请参阅使用 Docker 容器训练和部署模型。有关如何创建算法容器的完整示例，请参阅示例笔记本，网址为 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html。您还可以在笔记本实例中找到示例 SageMaker 笔记本。笔记本位于 Advanced Functionality (高级功能) 部分，名为 scikit_bring_your_own.ipynb。有关在笔记本实例中使用示例笔记本的信息，请参阅示例笔记本。

在创建要发布的算法资源之前，请务必对算法进行全面测试 AWS Marketplace。

注意

当买家订阅您的容器化产品时，Docker 容器运行在隔离（无 Internet 连接）的环境中。在您创建容器时，请勿通过 Internet 进行传出调用。也不允许拨打 AWS 服务电话。

在中开发模型 SageMaker

中的可部署模型 SageMaker 由推理代码、模型构件、用于访问资源的 IAM 角色以及在中部署模型所需的其他信息组成。 SageMaker模型构件是使用机器学习算法训练模型的结果。推理代码必须打包在 Docker 容器中并存储在 Amazon ECR 中。您可以将模型构件打包到与推理代码相同的容器中，也可将其存储在 Amazon S3 中。

您可以通过在中运行训练作业或在 SageMaker外部训练机器学习算法来创建模型 SageMaker。如果您在中运行训练作业 SageMaker，则生成的模型工件将在响应DescribeTrainingJob操作调用的ModelArtifacts字段中找到。有关如何开发 SageMaker 模型容器的信息，请参阅使用您自己的推理代码。有关如何使用在外部训练的模型创建模型容器的完整示例 SageMaker，请参阅示例笔记本，网址为 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html。您还可以在笔记本实例中找到示例 SageMaker 笔记本。笔记本位于 Advanced Functionality (高级功能) 部分，名为 xgboost_bring_your_own_model.ipynb。有关在笔记本实例中使用示例笔记本的信息，请参阅示例笔记本。

在创建要发布的模型包之前，请务必对模型进行全面测试 AWS Marketplace。

注意

当买家订阅您的容器化产品时，Docker 容器运行在隔离（无 Internet 连接）的环境中。在您创建容器时，请勿通过 Internet 进行传出调用。也不允许拨打 AWS 服务电话。