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.

Entwickeln Sie Algorithmen und Modelle in Amazon SageMaker

Bevor Sie Algorithmus- und Modellpaketressourcen für die Verwendung in Amazon SageMaker oder zum Auflisten erstellen können AWS Marketplace, müssen Sie sie entwickeln und in Docker-Containern verpacken.

Entwickeln Sie Algorithmen in SageMaker

Ein Algorithmus sollte als Docker-Container verpackt und in Amazon gespeichert werden, ECR damit er verwendet werden kann. SageMaker Der Docker-Container enthält den Trainingscode, der für das Ausführen von Trainingsaufträgen verwendet wird, und optional auch den Inferenzcode, der für Inferenzen von Modellen verwendet wird, die mit dem Algorithmus trainiert wurden.

Informationen zur Entwicklung von Algorithmen in Containern SageMaker und deren Paketierung als Container finden Sie unterDocker-Container für das Training und die Bereitstellung von Modellen. Ein vollständiges Beispiel für die Erstellung eines Algorithmus-Containers finden Sie im Beispielnotizbuch unter https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. Sie finden das Beispiel-Notizbuch auch in einer SageMaker Notebook-Instanz. Das Notebook befindet sich unter Advanced Functionality (Erweiterte Funktionen) und trägt den Namen scikit_bring_your_own.ipynb. Informationen zur Verwendung der Beispiel-Notebooks in einer Notebook-Instance erhalten Sie unter Rufen Sie Beispiel-Notizbücher auf.

Testen Sie Ihre Algorithmen immer gründlich, bevor Sie Algorithmusressourcen erstellen, auf denen Sie veröffentlichen möchten AWS Marketplace.

Entwickeln Sie Modelle in SageMaker

Ein bereitstellbares Modell SageMaker besteht aus Inferenzcode, Modellartefakten, einer IAM Rolle, die für den Zugriff auf Ressourcen verwendet wird, und anderen Informationen, die für die Bereitstellung des Modells erforderlich sind. SageMaker Modellartefakte sind die Ergebnisse des Trainierens eines Modells mit einem ML-Algorithmus. Der Inferenzcode muss in einem Docker-Container verpackt und bei Amazon gespeichert werden. ECR Sie können die Modellartefakte entweder in den gleichen Container wie den Inferenzcode verpacken oder sie in Amazon S3 speichern.

Sie erstellen ein Modell, indem Sie einen Trainingsjob innerhalb von ausführen oder indem Sie einen Algorithmus für maschinelles Lernen außerhalb von trainieren. SageMaker SageMaker Wenn Sie einen Trainingsjob in ausführen SageMaker, sind die resultierenden Modellartefakte als Antwort auf einen Aufruf der DescribeTrainingJobOperation im ModelArtifacts Feld verfügbar. Hinweise zur Entwicklung eines SageMaker Modellcontainers finden Sie unterContainer mit benutzerdefiniertem Inferenzcode. Ein vollständiges Beispiel für die Erstellung eines Modellcontainers aus einem Modell, das außerhalb von trainiert wurde SageMaker, finden Sie im Beispielnotizbuch unter https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. Sie finden das Beispiel-Notizbuch auch in einer SageMaker Notebook-Instanz. Das Notebook befindet sich unter Advanced Functionality (Erweiterte Funktionen) und trägt den Namen xgboost_bring_your_own_model.ipynb. Informationen zur Verwendung der Beispiel-Notebooks in einer Notebook-Instance erhalten Sie unter Rufen Sie Beispiel-Notizbücher auf.

Testen Sie Ihre Modelle immer gründlich, bevor Sie Modellpakete für die Veröffentlichung erstellen AWS Marketplace.