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

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

Desarrolle algoritmos en SageMaker

Un algoritmo debe empaquetarse como un contenedor docker y almacenarse en Amazon ECR para poder usarlo. 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 SageMaker y empaquetarlos como contenedores, consulteContenedores Docker para la formación y el despliegue 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 Accede a cuadernos de ejemplo.

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

Desarrolle modelos en SageMaker

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

Para crear un modelo SageMaker, se ejecuta un trabajo de formación en o se entrena un algoritmo de aprendizaje automático fuera de él. SageMaker Si realiza un trabajo de formación en SageMaker, los artefactos del modelo resultantes están disponibles ModelArtifacts sobre el terreno en respuesta a una llamada a la DescribeTrainingJoboperación. Para obtener información sobre cómo desarrollar un contenedor de SageMaker modelos, consulteContenedores con código de inferencia personalizado. Para ver un ejemplo completo de cómo crear un contenedor modelo a partir de un modelo entrenado fuera de él SageMaker, 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 cuaderno de muestra 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 Accede a cuadernos de ejemplo.

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