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.

Desarrolle algoritmos y modelos en Amazon SageMaker AI

Antes de poder crear recursos de paquetes de algoritmos y modelos para usarlos en Amazon SageMaker AI o incluirlos en una lista AWS Marketplace, debe desarrollarlos y empaquetarlos en contenedores de Docker.

Desarrolle algoritmos en SageMaker IA

Un algoritmo debe empaquetarse como un contenedor docker y almacenarse en Amazon ECR para usarlo en IA. SageMaker El contenedor de Docker contiene el código de entrenamiento que se utiliza para ejecutar trabajos de entrenamiento y, de forma opcional, el código de inferencia utilizado para obtener inferencias de modelos entrenados mediante el algoritmo.

Para obtener información sobre cómo desarrollar algoritmos en SageMaker IA y empaquetarlos como contenedores, consulte. Contenedores de Docker para entrenamiento e implementación de modelos Para ver un ejemplo completo de cómo crear un contenedor de algoritmos, consulte el ejemplo de cuaderno en https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. También puedes encontrar el ejemplo de cuaderno en una instancia de SageMaker bloc de notas. El bloc de notas se encuentra en la sección Funcionalidad avanzada y se denomina scikit_bring_your_own.ipynb. Para obtener información acerca de cómo usar los cuadernos de ejemplo en una instancia de cuaderno, consulte Acceso a cuadernos de ejemplo.

Pruebe siempre minuciosamente sus algoritmos antes de crear recursos algorítmicos para publicarlos AWS Marketplace.

Desarrolle modelos en SageMaker IA

Un modelo desplegable en la SageMaker IA consta de un código de inferencia, artefactos del modelo, una función de IAM que se utiliza para acceder a los recursos y otra información necesaria para implementar el modelo en la IA. SageMaker Los artefactos de modelos son los resultados de entrenar un modelo mediante un algoritmo de machine learning. El código de inferencia debe empaquetarse en un contenedor de Docker y almacenarse en Amazon ECR. Puede empaquetar los artefactos de modelo en el mismo contenedor que el código de inferencia o bien almacenarlos en Amazon S3.

Un modelo se crea realizando un trabajo de formación en SageMaker IA o entrenando un algoritmo de aprendizaje automático fuera de la IA. SageMaker Si realizas un trabajo de formación en SageMaker IA, los artefactos del modelo resultantes estarán disponibles ModelArtifacts sobre el terreno en respuesta a una llamada a la DescribeTrainingJoboperación. Para obtener información sobre cómo desarrollar un contenedor de modelos de SageMaker IA, consulteContenedores con código de inferencia personalizado. Para ver un ejemplo completo de cómo crear un contenedor de modelos a partir de un modelo entrenado fuera de la SageMaker IA, consulte el ejemplo de cuaderno en https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. También puedes encontrar el ejemplo de cuaderno en una instancia de SageMaker cuaderno. El bloc de notas se encuentra en la sección Funcionalidad avanzada y se denomina xgboost_bring_your_own_model.ipynb. Para obtener información acerca de cómo usar los cuadernos de ejemplo en una instancia de cuaderno, consulte Acceso a cuadernos de ejemplo.

Pruebe siempre minuciosamente sus modelos antes de crear paquetes de modelos para publicarlos AWS Marketplace.