完成事前準備

若要封裝模型，您必須執行下列動作：

1. 使用 SageMaker AI Neo 編譯您的機器學習模型。

   如果您尚未這麼做，請使用 SageMaker Neo 來編譯您的模型。如需有關如何編譯模型的詳細資訊，請參閱使用 Neo 編譯和部署模型。如果您是首次使用 SageMaker Neo 的使用者，請參閱 Neo Edge 裝置入門。

2. 取得編譯任務的名稱。

   提供您使用 SageMaker Neo 編譯模型時所使用的編譯任務名稱。在 https://console.aws.amazon.com/sagemaker/：// 開啟 SageMaker AI 主控台，然後選擇編譯任務，以尋找已提交至您 AWS 帳戶的編譯清單。已提交編譯任務的名稱位於名稱欄中。

3. 取得您的 IAM ARN。

   您需要 IAM 角色的 Amazon Resource Name (ARN)，用於下載和上傳模型，以及聯絡 SageMaker Neo。

   使用下列其中一種方法來取得 IAM ARN：

   • 使用 SageMaker AI Python SDK 以程式設計方式

     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>

     如需使用 SageMaker Python SDK 的詳細資訊，請參閱 SageMaker AI Python SDK API。

   • 使用 AWS Identity and Access Management (IAM) 主控台

     導覽至 IAM 主控台，網址為 https://console.aws.amazon.com/iam/。在 IAM 資源區段中，選擇角色以檢視 AWS 帳戶中的角色清單。選取或建立具有AmazonSageMakerFullAccess、AWSIoTFullAccess 和 AmazonS3FullAccess 的角色。

     如需有關 IAM 的詳細資訊，請參閱什麼是 IAM？

4. 有一個 S3 儲存桶 URI。

   您需要至少有一個 Amazon Simple Storage Service (Amazon S3) 儲存貯體 URI 來儲存 Neo 編譯的模型、Edge Manager 封裝任務的輸出，以及來自裝置機群的範例資料。

   使用下列其中一種方法來建立 Amazon S3 儲存貯體：

   • 使用 SageMaker AI Python SDK 以程式設計方式

     您可以在工作階段期間使用預設的 Amazon S3 儲存貯體。系統會根據下列格式建立預設值區：sagemaker-{region}-{aws-account-id}。若要使用 SageMaker SDK 建立預設值區，請使用下列指令：

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

   • 使用 Amazon S3 主控台

     在 https://console.aws.amazon.com/s3/ 打開 Amazon S3 主控台，請參閱如何建立 S3 儲存貯體？ 逐步說明。