創建您的亞馬遜 SageMaker資源 - AWS Marketplace

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

創建您的亞馬遜 SageMaker資源

若要發佈模型套件或演算法產品,您必須建立個別的模型套件資源或者演算法資源在 Amazon SageMaker。

當您建立資源AWS Marketplace產品,它必須通過驗證步驟進行認證。驗證步驟需要您先提供資料來測試模型套件或演算法資源,然後才能發佈。

注意

如果您尚未為產品建立映像,並將其上傳至 Amazon Elastic Container Registry (Amazon ECR),請參閱將程式碼封裝成影像上傳您的圖片以了解如何執行作業的資訊。

建立您的模型套件

以下是建立模型套件的需求AWS Marketplace:

注意

以下是關於建立模型封裝產品的內容。如需中模型套件的詳細資訊 SageMaker, 請參閱建立模型套件資源

建立模型套件資源

下列程序會逐步引導您建立模型套件資源。

步驟 1:若要建立模型套件資源
  1. 開啟亞馬遜 SageMaker 安慰

  2. 確保您在AWS查看頁面右上角,即可發佈您想要發佈的區域。若要進行發佈,請參閱支援AWS 區域發佈區段。您在先前步驟中上傳至 Amazon ECR 的推論影像必須位於相同區域。

  3. 在左側導覽功能表中,選擇模型套件

  4. 選擇 Create model package (建立模型套件)

建立套件之後,您需要設定推論套件的規格。

步驟 2:若要設定推論規格
  1. 提供一個名稱適用於您的模型套件 (例如,my-model-package

  2. 適用於推論影像的位置」下方,輸入已上傳至亞馬遜 ECR 的推論映像檔的 URI。您可以通過在中找到圖像來檢索 URIAmazon ECR 控制台

  3. 如果訓練中的模型成品與推論影像中的邏輯捆綁在一起,請保留模型資料人工因素的位置空白。否則,請指定模型成品壓縮檔案 (.tar.gz) 的完整 Amazon S3 位置。

  4. 使用下拉式方塊,為即時推論 (又稱為推論) 選擇支援的推論映像檔執行個體類型端點) 和批次轉換工作。

  5. 選擇 Next (下一步)。

在您的模型套件可以建立和發佈之前,必須先驗證才能確保模型套件如預期般運作。這需要您執行包含測試資料的批次轉換工作,以供您提供的推論。驗證規範告訴 SageMaker 如何執行驗證。

步驟 3:若要設定驗證規格
  1. 設定將此模型套件發佈於AWS Marketplace。如果您將值設為,您無法稍後發佈此模型套件。選擇 證明您的模型套件AWS Marketplace並需要驗證步驟。

  2. 如果這是初次完成此程序,請選擇Create a new role (建立新角色)(針對)IAM 角色。亞馬遜 SageMaker 在部署模型套件時使用此角色。這包括動作,例如從亞馬遜 ECR 提取圖像以及從 Amazon S3 中提取成品。檢閱設定,然後選擇建立角色。 在此建立角色會授與 AmazonSageMakerFullAccessIAM 政策適用於您建立的角色。

  3. 編輯JSON在驗證描述檔中。 如需允許值的詳細資訊,請參閱TransformJobDefinition

    1. TransformInput.DataSource.S3Uri:設定為推論測試資料的儲存位置。

    2. TransformInput.ContentType:指定測試資料內容類型 (例如,application/jsontext/plainimage/png ,任何其他值)。 SageMaker 不驗證實際的輸入數據。此值會傳遞至您的容器 HTTP 端點Content-type標頭值。

    3. TransformInput.CompressionType:設定為None如果您在 Amazon S3 中進行推論的測試資料未壓縮。

    4. TransformInput.SplitType:設定為None將 Amazon S3 中每個物件作為推論的整體傳遞。

    5. TransformOutput.S3OutputPath:設定為儲存推論輸出的位置。

    6. TransformOutput.AssembleWith:設定為None以在 Amazon S3 中,將每個推論輸出為 Amazon S3 中的單獨物件。

  4. 選擇 Create model package (建立模型套件)

SageMaker 從 Amazon ECR 提取推論影像、將任何成品複製到推論容器,然後使用測試資料執行批次轉換任務進行推論。驗證成功後,狀態變更為已完成

注意

驗證步驟不會使用測試資料評估模型的準確性。驗證步驟會檢查容器是否如預期般執行並回應。

您已完成建立模型產品資源。繼續進行發佈您的產品AWS Marketplace

建立演算法

以下是建立演算法的需求AWS Marketplace:

  • 儲存在 Amazon ECR 中的推論映像

  • 儲存在 Amazon ECR 中的訓練映像

  • 您的訓練測試資料,存放在 Amazon S3 中

  • 您用於推論的測試資料,存放在 Amazon S3 中

注意

以下逐步解說會建立演算法產品。如需詳細資訊,請參閱「」建立演算法資源

建立演算法資源

下列程序會逐步引導您在演算法套件中建立資源。

步驟 1:若要建立演算法資源
  1. 開啟亞馬遜 SageMaker 安慰

  2. 確保您在AWS您可以查看頁面右上角來發佈的區域 (請參閱支援AWS 區域發佈。您在先前步驟中上傳至 Amazon ECR 的訓練和推論影像必須位於同一區域。

  3. 在左側導覽功能表中,選擇演算法

  4. 選擇 Create algorithm (建立演算法)

建立演算法套件之後,您必須設定模型訓練和調整的規格。

步驟 2:若要設定訓練與調整規格
  1. 輸入名稱對於你的算法(例如,my-algorithm

  2. 適用於訓練形象,貼上已上傳至 Amazon ECR 之訓練映像的完整 URI 位置。您可以通過在中找到圖像來檢索 URIAmazon ECR 控制台

  3. 使用下拉式方塊,選擇訓練的執行個體類型你的訓練形象支持。

  4. 在 下方頻道規格部分中,為您的演算法支援的每個輸入資料集新增一個通道,最多 20 個輸入來源通道。如需詳細資訊,請參閱「」輸入資料組態

  5. 選擇 Next (下一步)。

  6. 如果您的演算法支援超參數和超參數調整,您必須指定調整參數。

  7. 選擇 Next (下一步)。

注意

我們強烈建議您的演算法支援超參數調整,並可調整適當的參數。這使數據科學家可以調整模型以獲得最佳結果。

設定調整參數之後,如果有的話,您必須為您的推論影像設定規格。

步驟 3:設定推論影像規格
  1. 適用於推論影像的位置,貼上已上傳至亞馬遜 ECR 的推論影像的 URI。您可以通過在中找到圖像來檢索 URIAmazon ECR 控制台

  2. 使用下拉式方塊,為即時推論 (又稱為推論映像檔選擇支援的執行個體類型)端點) 和批次轉換工作。

  3. 選擇 Next (下一步)。

在您的演算法可以建立和發佈之前,驗證是必要的,以確保它能如預期般運作。如此一來,您必須同時執行包含訓練測試資料的訓練工作,以及包含您提供的推論測試資料的批次轉換工作。驗證規範告訴 SageMaker 如何執行驗證。

步驟 4:若要設定驗證規格
  1. 設定將此演算法發佈於AWS Marketplace。如果您將值設為,您不能稍後發布此算法。選擇 證明你的演算法AWS Marketplace並需要驗證規格。

  2. 如果這是您第一次建立機器學習套件AWS Marketplace,選擇Create a new role (建立新角色)(針對)IAM 角色。亞馬遜 SageMaker 在訓練演算法和部署後續模型套件時,會使用此角色。這包括從 Amazon ECR 提取影像、在 Amazon S3 中存放成品,以及從 Amazon S3 複製訓練資料等動作。檢閱設定,然後選擇建立角色。 在此建立角色會授與 AmazonSageMakerFullAccessIAM 政策適用於您建立的角色。

  3. 編輯JSON在驗證設定檔中的檔案訓練工作定義。如需允許值的詳細資訊,請參閱 TrainingJobDefinition

    1. InputDataConfig:在這個 JSON 數組中,添加一個Channel 物件針對您在訓練規格步驟中指定的每個通道。針對每個通道,指定訓練測試資料的儲存位置。

    2. OutputDataConfig: 訓練完成後,訓練容器目錄路徑中的模型加工品/opt/ml/model/會壓縮並複製到 Amazon S3。指定存放壓縮檔案 (.tar.gz) 的 Amazon S3 位置。

  4. 編輯驗證設定檔中的 JSON 檔案轉換任務定義。如需允許值的詳細資訊,請參閱 TransformJobDefinition

    1. TransformInput.DataSource.S3Uri:設定為推論測試資料的儲存位置。

    2. TransformInput.ContentType:指定測試資料內容類型。例如:application/jsontext/plainimage/png,或任何其他值。亞馬遜 SageMaker 不驗證實際的輸入數據。此值會傳遞至您的容器 HTTP 端點Content-type標頭值。

    3. TransformInput.CompressionType:設定為None如果您在 Amazon S3 中進行推論的測試資料未壓縮。

    4. TransformInput.SplitType:選擇 S3 中的物件分割方式。例如:None將 Amazon S3 中每個物件作為推論的整體傳遞。如需詳細資訊,請參閱「」。 SplitType在 Amazon SageMaker API 參考。

    5. TransformOutput.S3OutputPath:設定為儲存推論輸出的位置。

    6. TransformOutput.AssembleWith:設定為None將每個推論輸出為 Amazon S3 中單獨物件。

  5. 選擇建立演算法套件

SageMaker 從 Amazon ECR 擷取訓練影像、使用您的資料執行測試訓練任務,並將模型成品存放在 Amazon S3 中。然後,它會從 Amazon ECR 提取推論影像,將成品從 Amazon S3 複製到推論容器,然後使用測試資料執行批次轉換任務進行推論。驗證成功後,狀態變更為已完成

注意

驗證步驟不會使用測試資料評估訓練或模型的準確性。驗證步驟會檢查容器是否如預期般執行並回應。

驗證步驟只會驗證批次處理。您可以自行驗證即時處理是否適用於您的產品。

您已完成演算法產品資源的建立。繼續進行發佈您的產品AWS Marketplace