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”.

Despliegue de modelos en SageMaker IA

Modo de enfoque
Despliegue de modelos en SageMaker IA - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Una vez que haya entrenado y aprobado un modelo para su producción, utilice la SageMaker IA para implementar su modelo en un punto final y realizar inferencias en tiempo real. SageMaker La IA ofrece múltiples opciones de inferencia para que pueda elegir la que mejor se adapte a su carga de trabajo. También puede configurar su punto de conexión eligiendo el tipo de instancia y la cantidad de instancias que necesita para un rendimiento óptimo. Para obtener información acerca de la implementación de modelos, consulte Implementar modelos para inferencia.

Después de implementar los modelos en producción, es posible que desee explorar formas de optimizar aún más el rendimiento de los modelos y, al mismo tiempo, mantener la disponibilidad de los modelos actuales. Por ejemplo, puede configurar una prueba paralela para probar un modelo diferente o una infraestructura de servicio de modelos antes de comprometerse con el cambio. SageMaker La IA despliega el nuevo modelo, contenedor o instancia en modo oculto y le envía una copia de las solicitudes de inferencia en tiempo real dentro del mismo punto final. Puede registrar las respuestas de la variante de sombra para compararlas. Para obtener más información sobre las pruebas de sombra, consulte Pruebas de sombra. Si decide cambiar de modelo, las barreras de protección de la implementación le ayudarán a controlar el cambio del modelo actual a uno nuevo. Puede seleccionar métodos como la prueba azul/verde o la prueba de valor controlado del proceso de cambio de tráfico para mantener un control pormenorizado durante la actualización. Para obtener más información acerca de las barreras de protección de la implementación, consulte Barreras de protección de implementación para actualizar modelos en producción.

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