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。
在 Amazon SageMaker 中部署模型
訓練機器學習模型後,您可以使用 Amazon SageMaker 部署模型,視使用案例而定,以下列任何一種方式取得預測:
SageMaker 還提供可在部署機器學習模型時管理資源和最佳化推論效能的功能:
-
若要管理邊緣裝置上的模型,以便在智慧型相機、機器人、個人電腦和行動裝置等邊緣裝置機群上最佳化、保護、監控和維護機器學習模型,請參閱 使 SageMaker 用邊緣管理員在邊緣部署模型。
-
若要最佳化 Gluon、Keras、MXNet、PyTorch、TensorFlow、TensorFlow-Lite 和 ONNX 模型,以便在以 Ambarella、ARM、Intel、Nvidia、NXP、Qualcomm、Texas Instruments 和 Xilinx 的處理器為基礎的 Android、Linux 和 Windows 機器上進行推論,請參閱 使用 Neo 最佳化模型效能。
如需所有部署選項的更多相關資訊,請參閱 部署用於推論的模型。