Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Restricciones y cuotas de productos de machine learning en AWS Marketplace

Modo de enfoque
Restricciones y cuotas de productos de machine learning en AWS Marketplace - AWS Marketplace

En esta sección, se describen las restricciones y las cuotas de los productos de machine learning (ML) en AWS Marketplace.

Aislamiento de red

Por motivos de seguridad, cuando un comprador se suscribe a su producto en contenedores, los contenedores de Docker se ejecutan en un entorno aislado sin conexión a Internet. Cuando cree sus contenedores, no confíe en que podrá realizar llamadas salientes a través de Internet, ya que fallarán. Las llamadas a Servicios de AWS también fallarán.

Tamaño de imagen

El tamaño de las imágenes de Docker se rige por las Service Quotas de Amazon Elastic Container Registry (Amazon ECR). El tamaño de la imagen de Docker afecta al tiempo de arranque durante los trabajos de entrenamiento, transformación por lotes y creación de puntos de conexión. Para lograr un mejor rendimiento, le recomendamos mantener un tamaño óptimo de imagen de Docker.

Tamaño del almacenamiento

Al crear un punto de conexión, Amazon SageMaker asocia un volumen de almacenamiento de Amazon Elastic Block Store (Amazon EBS) a cada instancia de computación de ML que aloje el punto de conexión. (Un punto de conexión también se conoce como inferencia en tiempo real o servicio de alojamiento de Amazon SageMaker). El tamaño del volumen de almacenamiento depende del tipo de instancia. Para obtener más información, consulte Alojamiento de volúmenes de almacenamiento de instancias en la Guía para desarrolladores de Amazon SageMaker

Para obtener información sobre la transformación por lotes, consulte Almacenamiento en Batch Transform en la Guía para desarrolladores de Amazon SageMaker.

Tamaño de instancia

SageMaker proporciona una amplia selección de tipos de instancias optimizados para adaptarse a diferentes casos de uso de ML. Los tipos de instancias tienen distintos tipos de combinaciones de CPU, GPU, memoria y capacidad de red. Los tipos de instancias brindan la flexibilidad para elegir la combinación adecuada de recursos para crear, entrenar e implementar modelos de ML. Para obtener más información, consulte Tipos de instancias de ML en Amazon SageMaker.

Tamaño de la carga útil para realizar inferencias

Para un punto de conexión, limite el tamaño máximo de los datos de entrada por invocación a 6 MB. Este valor no se puede ajustar.

Para la transformación por lotes, el tamaño máximo de los datos de entrada por cada invocación es de 100 MB. Este valor no se puede ajustar.

Tiempo de procesamiento para la inferencia

Para un punto de conexión, el tiempo máximo de procesamiento por cada invocación es de 60 segundos. Este valor no se puede ajustar.

Para la transformación por lotes, el tiempo máximo de procesamiento por cada invocación es de 60 minutos. Este valor no se puede ajustar.

Service Quotas

Para obtener más información sobre las cuotas relacionadas con el entrenamiento y la inferencia, consulte Cuotas de servicio de Amazon SageMaker.

Inferencia asíncrona

Los paquetes de modelos y los algoritmos publicados en AWS Marketplace no se pueden implementar en los puntos de conexión configurados para la inferencia asíncrona de Amazon SageMaker. Para los puntos de conexión configurados para la inferencia asíncrona, los modelos deben tener conectividad de red. Todos los modelos de AWS Marketplace funcionan en aislamiento de red. Para obtener más información, consulte Sin acceso a la red.

Inferencia sin servidor

Los paquetes de modelos y los algoritmos publicados en AWS Marketplace no se pueden implementar en los puntos de conexión configurados para la inferencia sin servidor de Amazon SageMaker. Para los puntos de conexión configurados para la inferencia sin servidor, los modelos deben tener conectividad de red. Todos los modelos de AWS Marketplace funcionan en aislamiento de red. Para obtener más información, consulte Sin acceso a la red.

Entrenamiento de spot administrado

Para todos los algoritmos de AWS Marketplace, el valor de MaxWaitTimeInSeconds se establece en 3600 segundos (60 minutos), incluso si se implementa el punto de control para el entrenamiento de spot administrado. Este valor no se puede ajustar.

Imágenes de Docker y Cuentas de AWS

Para su publicación, las imágenes deben almacenarse en los repositorios de Amazon ECR propiedad de la Cuenta de AWS del vendedor. No es posible publicar imágenes que estén almacenadas en un repositorio que sea propiedad de otra Cuenta de AWS.

Publicación de paquetes de modelos a partir de algoritmos integrados o AWS Marketplace

No se pueden publicar los paquetes de modelos creados a partir de trabajos de entrenamiento mediante un algoritmo integrado de Amazon SageMaker o un algoritmo de una suscripción de AWS Marketplace.

Puede seguir utilizando los artefactos del modelo del trabajo de entrenamiento, pero necesitará su propia imagen de inferencia para publicar paquetes de modelos.

Regiones de AWS admitidas para la publicación

AWS Marketplace admite la publicación de recursos de algoritmos y paquetes de modelos a partir de Regiones de AWS en las que se cumpla lo siguiente:

Todos los activos necesarios para publicar un paquete de modelos o un producto de algoritmo deben almacenarse en la misma región desde la que haya decidido publicar. Esta incluye lo siguiente:

  • Recursos de algoritmos y paquetes de modelos que se crean en Amazon SageMaker

  • Imágenes de inferencia y entrenamiento que se cargan en los repositorios de Amazon ECR

  • Artefactos de modelos (si los hay) que se almacenan en Amazon Simple Storage Service (Amazon S3) y se cargan dinámicamente durante la implementación de modelos para los recursos de paquetes de modelos

  • Datos de prueba para la validación de inferencias y entrenamiento que se almacenan en Amazon S3

Puede desarrollar y entrenar su producto en cualquier región que SageMaker admita. Sin embargo, antes de poder publicar, debe copiar todos los activos y volver a crear los recursos en una región desde la que AWS Marketplace admita publicar.

Durante el proceso de publicación, independientemente de la Región de AWS desde la que publique, puede elegir las regiones en las que desee publicar y en las que quiera que el producto esté disponible.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.