使用模型套件來建立模型

使用模型套件來建立可部署模型，用來建立託管端點或執行批次轉換工作以取得即時推論。您可以使用 Amazon SageMaker AI 主控台、低階 SageMaker API) 或 Amazon SageMaker Python SDK，從模型套件建立可部署模型。

使用模型套件來建立模型 (主控台)

從模型套件建立可部署模型 (主控台)

1. 在 https：//https://console.aws.amazon.com/sagemaker/ 開啟 SageMaker AI 主控台。

2. 選擇模型套件。

3. 從我的模型套件索引標籤上的清單中選擇您建立的模型套件，或在 AWS Marketplace 訂閱索引標籤上選擇您訂閱的模型套件。

4. 選擇建立模型。

5. 針對模型名稱，輸入模型的名稱。

6. 針對 IAM 角色，選擇具有代表您呼叫其他 服務所需許可的 IAM 角色，或選擇建立新角色，以允許 SageMaker AI 建立已連接AmazonSageMakerFullAccess受管政策的角色。如需相關資訊，請參閱 如何使用 SageMaker AI 執行角色。

7. 針對 VPC，選擇您希望允許模型存取的 Amazon VPC。如需詳細資訊，請參閱讓 SageMaker AI 託管端點存取 Amazon VPC 中的資源。

8. 保留容器輸入選項 及選擇模型套件的預設值。

9. 針對環境變數，請提供您希望傳遞給模型容器的環境變數名稱及值。

10. 針對標籤，請指定一或多個標籤來管理模型。每個標籤皆包含索引鍵與選用值。每個資源的標籤鍵必須是唯一的。

11. 選擇建立模型。

在您建立可部署模型後，您可以用它來為即時推論設定端點，或是建立批次轉換工作來取得整個資料集的推論。如需在 SageMaker AI 中託管端點的資訊，請參閱部署模型以進行推論。

使用模型套件來建立模型 (API)

若要使用 SageMaker API，利用模型套件來建立可部署模型，請在您傳遞給 CreateModel API 的 ContainerDefinition 物件的 ModelPackageName 欄位中，指定模型套件的名稱或 Amazon Resource Name (ARN)。

在您建立可部署模型後，您可以用它來為即時推論設定端點，或是建立批次轉換工作來取得整個資料集的推論。如需有關 SageMaker AI 中託管端點的資訊，請參閱部署模型以進行推論。

使用模型套件來建立模型 (Amazon SageMaker Python SDK)

若要使用模型套件，使用 SageMaker AI Python SDK 建立可部署模型，請初始化ModelPackage物件，並將模型套件的 Amazon Resource Name (ARN) 傳遞為model_package_arn引數。例如：

from sagemaker import ModelPackage
model = ModelPackage(role='SageMakerRole',
         model_package_arn='training-job-scikit-decision-trees-1542660466-6f92',
         sagemaker_session=sagemaker_session)

在您建立可部署模型後，您可以用它來為即時推論設定端點，或是建立批次轉換工作來取得整個資料集的推論。如需有關在 SageMaker AI 中託管端點的資訊，請參閱部署推論模型。