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 主控台、低階 SageMaker API) 或 Amazon SageMaker Python 開發套件，從模型套件建立可部署的模型。

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. 請在以下位置開啟 SageMaker 主控台。 https://console.aws.amazon.com/sagemaker/

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. 對於 IAM 角色，請選擇具有所需許可的 IAM 角色以代表您呼叫其他服務，或選擇 [建立新角色] SageMaker 以允許建立已附加AmazonSageMakerFullAccess受管政策的角色。如需相關資訊，請參閱如何使用 SageMaker 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 託管端點存取 Amazon 中的資源 VPC。

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。如需在中託管端點的相關資訊 SageMaker，請參閱部署推論的模型。

使用模型套件來建立模型 (API)

若要使用 SageMaker API 使用模型套件建立可部署模型，請指定模型套件的名稱或 Amazon 資源名稱 (ARN) 做為傳遞至 API 之ContainerDefinition物件的ModelPackageNameCreateModel欄位。

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。如需中託管端點的相關資訊 SageMaker，請參閱部署用於推論的模型。

使用模型 Package 建立模型 (Amazon SageMaker Python 開發套件)

若要使用模型套件使用 SageMaker Python SDK 建立可部署模型，請初始化ModelPackage物件，然後傳遞模型套件的 Amazon 資源名稱 (ARN) 做為引數。model_package_arn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。如需在中託管端點的相關資訊 SageMaker，請參閱部署推論的模型。