Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Machine Learning-Produkte
Als Verkäufer können Sie Algorithmen und Modelle AWS Marketplace für maschinelles Lernen (ML) erstellen, die Ihre Käufer einsetzen können AWS. Es gibt zwei Arten von SageMaker Amazon-Produkten, die hier aufgeführt sind AWS Marketplace:
- Modellpaket
-
Ein vortrainiertes Modell zur Erstellung von Vorhersagen, für das keine weitere Schulung durch den Käufer erforderlich ist.
- Algorithmus
-
Ein Modell, bei dem der Käufer Trainingsdaten bereitstellen muss, bevor Vorhersagen getroffen werden können. Der Trainingsalgorhythmus ist enthalten.
Diese Produkte stehen Käufern über die SageMaker Amazon-Konsole oder zur Verfügung AWS Marketplace. Käufer können sich Produktbeschreibungen, Dokumentationen, Kundenrezensionen, Preise und Supportinformationen ansehen. Wenn sie entweder ein Modellpaket, ein Produkt oder ein Algorithmusprodukt abonnieren, wird es zu ihrer Produktliste auf der SageMaker Konsole hinzugefügt. Käufer können auch AWS SDKs, das AWS Command Line Interface (AWS CLI) oder die SageMaker Konsole verwenden, um einen vollständig verwalteten REST-Inferenzendpunkt zu erstellen oder Inferenzen für Datenstapel durchzuführen.
Wenn Sie Unterstützung bei der Erstellung von Produkten für maschinelles Lernen mit Amazon benötigen SageMaker, wenden Sie sich an das AWS Marketplace Seller Operations
Erste Schritte mit Produkten für maschinelles Lernen
AWS Marketplace unterstützt mithilfe von Amazon zwei Produkttypen für maschinelles Lernen SageMaker. Beide Typen, die Modellpaketprodukte und die Algorithmusprodukte, erzeugen ein einsatzfähiges Inferenzmodell für Vorhersagen.
SageMaker Modellpaket
Ein SageMaker Amazon-Modellpaket enthält ein vortrainiertes Modell. Vortrainierte Modelle können eingesetzt werden SageMaker , um Schlussfolgerungen oder Vorhersagen in Echtzeit oder stapelweise zu treffen. Dieses Produkt enthält eine trainierte Inferenzkomponente mit Modellartefakten, falls vorhanden. Als Verkäufer können Sie ein Modell anhand eines Modells trainieren SageMaker oder Ihr eigenes Modell mitbringen.
SageMaker Algorithmus
Käufer können ein SageMakerAlgorithmusprodukt verwenden, um komplette Workloads für maschinelles Lernen durchzuführen. Ein Algorithmusprodukt besteht aus zwei logischen Komponenten: Training und Inferenz. In verwenden Käufer ihre eigenen Datensätze SageMaker, um eine Ausbildungsstelle mit Ihrer Schulungskomponente zu erstellen. Wenn der Algorithmus in Ihrer Trainingskomponente abgeschlossen ist, generiert er die Modellartefakte des Modells für maschinelles Lernen. SageMaker speichert die Modellartefakte im Amazon Simple Storage Service (Amazon S3) -Bucket der Käufer. In SageMaker können Käufer dann Ihre Inferenzkomponente zusammen mit den generierten Modellartefakten einsetzen, um Inferenzen (oder Prognosen) in Echtzeit oder stapelweise durchzuführen.
Bereitstellung eines Inferenzmodells
Unabhängig davon, ob das Inferenzmodell aus einem Modellpaket oder einem Algorithmus erstellt wird, gibt es zwei Methoden, sie bereitzustellen:
-
Endpunkt — Diese Methode wird verwendet SageMaker , um das Modell bereitzustellen und einen API-Endpunkt zu erstellen. Der Käufer kann diesen Endpunkt als Teil seines Backend-Service verwenden, um seine Anwendungen zu betreiben. Wenn Daten an den Endpunkt gesendet werden, SageMaker werden sie an den Modellcontainer übergeben und die Ergebnisse in einer API-Antwort zurückgegeben. Der Endpunkt und der Container laufen weiter, bis sie vom Käufer gestoppt werden.
Anmerkung
AWS Marketplace In wird die Endpunktmethode als Echtzeit-Inferenz und in der SageMaker Dokumentation als Hosting-Dienste bezeichnet. Weitere Informationen finden Sie unter Bereitstellen eines Modells in Amazon SageMaker.
-
Batch-Transformationsauftrag — Bei dieser Methode speichert ein Käufer Datensätze zur Inferenz in Amazon S3. Wenn der Batch-Transformationsjob gestartet wird SageMaker , wird das Modell bereitgestellt, Daten aus einem S3-Bucket an den Container des Modells übergeben und die Ergebnisse anschließend an einen S3-Bucket zurückgegeben. Wenn der Job abgeschlossen ist, wird der Job SageMaker beendet. Weitere Informationen finden Sie unter Abrufen von Inferenzen für einen gesamten Datensatz mit Batch-Transformation.
Anmerkung
Beide Methoden sind für das Modell transparent, da sie Daten an das Modell SageMaker weiterleiten und die Ergebnisse an den Käufer zurückgeben.
