Erstellen einer Modellpaketressource - Amazon SageMaker
Erstellen einer Modellpaketressource (Konsole) Erstellen einer Modellpaketressource (API)

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.

Erstellen einer Modellpaketressource

Um eine Modellpaketressource zu erstellen, mit der Sie bereitstellbare Modelle in Amazon erstellen SageMaker und in veröffentlichen können, AWS Marketplace geben Sie die folgenden Informationen an:

  • Den Docker-Container, der den Inferenzcode enthält, oder die Algorithmusressource, die zum Schulen des Modells verwendet wurde.

  • Den Speicherort der Modellartefakte. Die Modellartefakte können entweder in denselben Docker-Container wie der Inferenzcode verpackt oder in Amazon S3 gespeichert werden.

  • Die Instance-Typen, die Ihr Modellpaket sowohl für Echtzeit-Inferenz- als auch für Stapelumwandlungsaufträge unterstützt.

  • Validierungsprofile, bei denen es sich um Batch-Transformationsaufträge handelt, die SageMaker ausgeführt werden, um den Inferenzcode Ihres Modellpakets zu testen.

    Bevor Sie Modellpakete auf anbieten AWS Marketplace, müssen Sie sie validieren. Dadurch wird sichergestellt, dass Käufer und Verkäufer sich darauf verlassen können, dass Produkte in Amazon funktionieren SageMaker. Sie können Produkte AWS Marketplace nur auflisten, wenn die Validierung erfolgreich ist.

    Im Rahmen des Validierungsverfahrens werden Ihr Validierungsprofil und Beispieldaten verwendet, um die folgenden Validierungsaufgaben auszuführen:

    1. Erstellen Sie ein Modell in Ihrem Konto unter Verwendung des Inferenzabbild des Modellpakets und der optionalen Modellartefakte, die in Amazon S3 gespeichert sind.

      Anmerkung

      Ein Modellpaket ist spezifisch für die Region, in der Sie es anlegen. Der S3-Bucket, in dem die Modellartefakte gespeichert sind, muss sich in der gleichen Region befinden, in der Sie das Modellpaket erstellt haben.

    2. Erstellen Sie mithilfe des Modells einen Transformationsauftrag in Ihrem Konto, um zu überprüfen, ob Ihr Inferenz-Image mit funktioniert SageMaker.

    3. Erstellen Sie ein Validierungsprofil.

    Anmerkung

    Geben Sie in Ihrem Validierungsprofil nur Daten an, die Sie öffentlich bereitstellen möchten.

    Die Validierung kann einige Stunden in Anspruch nehmen. Den Status der Aufträge in Ihrem Konto finden Sie auf den Seiten Aufträge transformieren in der - SageMaker Konsole. Wenn die Validierung fehlschlägt, können Sie von der SageMaker Konsole aus auf die Scan- und Validierungsberichte zugreifen. Erstellen Sie den Algorithmus nach der Behebung von Problemen neu. Wenn der Status des Algorithmus lautetCOMPLETED, suchen Sie ihn in der SageMaker Konsole und starten Sie den Auflistungsprozess

    Anmerkung

    Um Ihr Modellpaket auf zu veröffentlichen AWS Marketplace, ist mindestens ein Validierungsprofil erforderlich.

Sie können ein Modellpaket entweder über die SageMaker Konsole oder über die SageMaker API erstellen.

Erstellen einer Modellpaketressource (Konsole)

So erstellen Sie ein Modellpaket in der SageMaker Konsole:

  1. Öffnen Sie die - SageMaker Konsole unter https://console.aws.amazon.com/sagemaker/.

  2. Wählen Sie im linken Menü Inferenz aus.

  3. Wählen Sie Marketplace-Modellpakete und dann Marketplace-Modellpaket erstellen.

  4. Geben Sie auf der Seite Inference specifications (Inferenzspezifikationen) folgende Informationen an:

    1. Geben Sie im Feld Model package name (Modellpaketname) einen Namen für das Modellpaket ein. Der Name des Modellpakets muss in Ihrem Konto und in der AWS Region eindeutig sein. Der Name muss 1 bis 64 Zeichen enthalten. Gültige Zeichen sind a–z, A-Z, 0–9 und Bindestrich (–).

    2. Geben Sie eine Beschreibung für das Modellpaket ein. Diese Beschreibung wird in der - SageMaker Konsole und in der angezeigt AWS Marketplace.

    3. Wählen Sie für Inference specification options (Inferenzspezifikationsoptionen) die Option Provide the location of the inference image and model artifacts (Den Speicherort des Inferenzabbilds und der Modellartefakte angeben) aus, um ein Modellpaket mithilfe eines Inferenzcontainers und von Modellartefakten zu erstellen. Wählen Sie Provide the algorithm used for training and its model artifacts (Den Algorithmus angeben, der für die Schulung und die entsprechenden Modellartefakte verwendet wird) aus, um ein Modellpaket von einer Algorithmusressource zu generieren, die Sie erstellt oder von AWS Marketplace abonniert haben.

    4. Wenn Sie Provide the location of the inference image and model artifacts (Den Speicherort des Inferenzabbilds und der Modellartefakte angeben) für Inference specification options (Inferenzspezifikationsoptionen) ausgewählt haben, geben Sie die folgenden Informationen für Container definition (Containerdefinition) und Supported resources (Unterstützte Ressourcen) an:

      1. Geben Sie im Feld Location of inference image (Speicherort des Inferenzabbilds) den Pfad zu dem Abbild ein, das Ihren Inferenzcode enthält. Das Image muss als Docker-Container in Amazon ECR gespeichert werden.

      2. Geben Sie für Location of model data artifacts (Speicherort der Modelldatenartefakte) den Speicherort in S3 ein, an dem Ihre Modellartefakte gespeichert werden.

      3. Geben Sie für Container DNS host name (Container-DNS-Hostname) den Namen des DNS-Hosts ein, der für Ihren Container verwendet werden soll.

      4. Wählen Sie für Supported instance types for real-time inference (Unterstützte Instance-Typen für Echtzeitinferenz) die Instance-Typen aus, die Ihr Modellpaket für Echtzeitinferenzen von gehosteten SageMaker -Endpunkten unterstützt.

      5. Wählen Sie für Supported instance types for batch transform jobs (Unterstützte Instance-Typen für Stapeltransformationsaufträge) die Instance-Typen aus, die Ihr Modellpaket für Stapelumwandlungsaufträge unterstützt.

      6. Geben Sie unter Supported content types (Unterstützte Inhaltstypen) die Inhaltstypen ein, die Ihr Modell bei Inferenzanforderungen erwartet.

      7. Geben Sie für Supported response MIME types (Unterstützte MIME-Antworttypen) die MIME-Typen ein, die Ihr Modellpaket verwendet, um Inferenzen bereitzustellen.

    5. Wenn Sie Provide the algorithm used for training and its model artifacts (Den Algorithmus angeben, der für die Schulung und seine Modellartefakte verwendet wird) für Inference specification options (Inferenzspezifikationsoptionen) auswählen, stellen Sie die folgenden Informationen bereit:

      1. Geben Sie für Algorithm ARN (Algorithmus-ARN) den Amazon-Ressourcennamen (ARN) der Algorithmusressource ein, die zum Erstellen des Modellpakets verwendet werden soll.

      2. Geben Sie für Location of model data artifacts (Speicherort der Modelldatenartefakte) den Speicherort in S3 ein, an dem Ihre Modellartefakte gespeichert werden.

    6. Wählen Sie Weiter aus.

  5. Geben Sie auf der Seite Validation and scanning (Validieren und Scannen) die folgenden Informationen an:

    1. Wählen Sie für Dieses Modellpaket auf veröffentlichen AWS Marketplace die Option Ja aus, um das Modellpaket auf zu veröffentlichen AWS Marketplace.

    2. Wählen Sie unter Validieren dieser Ressource die Option Ja aus, wenn Sie Batch-Transformationsaufträge SageMaker ausführen möchten, die Sie angeben, um den Inferenzcode Ihres Modellpakets zu testen.

      Anmerkung

      Um Ihr Modellpaket auf zu veröffentlichen AWS Marketplace, muss Ihr Modellpaket validiert werden.

    3. Wählen Sie für IAM-Rolle eine IAM-Rolle aus, die über die erforderlichen Berechtigungen zum Ausführen von Batch-Transformationsaufträgen in verfügt SageMaker, oder wählen Sie Neue Rolle erstellen, damit eine Rolle erstellen kann, SageMaker an die die AmazonSageMakerFullAccess verwaltete Richtlinie angehängt ist. Weitere Informationen finden Sie unter Wie verwendet man SageMaker Ausführungsrollen.

    4. Geben Sie für Validation profile (Validierungsprofil) Folgendes an:

      • Einen Namen für das Validierungsprofil.

      • Eine Transform job definition (Umwandlungsauftragsdefinition). Hierbei handelt es sich um einen JSON-Block, der einen Stapelumwandlungsauftrag beschreibt. Dieser hat dasselbe Format wie der TransformJobDefinition-Eingabeparameter der CreateAlgorithm-API.

  6. Wählen Sie Marketplace-Modellpaket erstellen aus.

Erstellen einer Modellpaketressource (API)

Um ein Modellpaket mithilfe der - SageMaker API zu erstellen, rufen Sie die -CreateModelPackageAPI auf.