Utilice un paquete de modelos para crear un modelo - 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.

Utilice un paquete de modelos para crear un modelo

Utilice un paquete de modelos para crear un modelo que pueda implementarse que pueda utilizar para obtener inferencias en tiempo real mediante la creación de un punto de conexión alojado o para ejecutar trabajos de transformación por lotes. Puede crear un modelo desplegable a partir de un paquete de modelos mediante la consola Amazon SageMaker AI (el nivel inferior SageMaker API) o Amazon Python SageMaker . SDK

Utilizar un paquete de modelos para crear un modelo (consola)

Para crear un modelo que pueda implementarse a partir de un paquete de modelos (consola)
  1. Abra la consola de SageMaker IA en. https://console.aws.amazon.com/sagemaker/

  2. Elija Model packages (Paquetes de modelos)

  3. Elija un paquete de modelos de los que creó de la lista en la pestaña My model packages (Mis paquetes de modelos) o elija un paquete de modelos al que se suscribió en la pestaña AWS Marketplace subscriptions (Suscripciones de ).

  4. Seleccione Crear modelo.

  5. En Model name (Nombre de modelo), escriba un nombre único para el modelo.

  6. Para el IAMrol, elige un IAM rol que tenga los permisos necesarios para llamar a otros servicios en tu nombre, o elige Crear un nuevo rol para permitir que la SageMaker IA cree un rol que tenga asociada la política AmazonSageMakerFullAccess gestionada. Para obtener más información, consulte Cómo utilizar las funciones de ejecución de la SageMaker IA.

  7. Para VPCello, elige un Amazon al VPC que quieras permitir el acceso de la modelo. Para obtener más información, consulte Ofrezca a los puntos finales alojados en SageMaker IA acceso a los recursos de su Amazon VPC.

  8. Deje los valores predeterminados para Container input options (Opciones de entrada del contenedor) y Choose model package (Elegir paquete de modelos).

  9. Para las variables de entorno, proporcione los nombres y los valores de variables de entorno que desea transferir al contenedor de modelos.

  10. En Tags (Etiquetas), especifique una o varias etiquetas para administrar el modelo. Cada etiqueta consta de una clave y un valor opcional. Las claves de las etiquetas deben ser únicas para cada recurso.

  11. Seleccione Crear modelo.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre el alojamiento de puntos finales en la SageMaker IA, consulte Implementación de modelos para inferencias.

Utilizar un paquete de modelos para crear un modelo (API

Para usar un paquete de modelos para crear un modelo desplegable mediante SageMaker API, especifique el nombre o el nombre de recurso de Amazon (ARN) del paquete de modelos como ModelPackageName campo del ContainerDefinitionobjeto que va a pasar al CreateModelAPI.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre los puntos de enlace alojados en la SageMaker IA, consulte Implementación de modelos para inferencias.

Uso de un paquete de modelos para crear un modelo (Amazon SageMaker Python SDK)

Para usar un paquete de modelos para crear un modelo desplegable mediante la SageMaker IA PythonSDK, inicialice un ModelPackage objeto y pase el nombre de recurso de Amazon (ARN) del paquete del modelo como argumento. model_package_arn Por ejemplo:

from sagemaker import ModelPackage model = ModelPackage(role='SageMakerRole', model_package_arn='training-job-scikit-decision-trees-1542660466-6f92', sagemaker_session=sagemaker_session)

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener información sobre el alojamiento de puntos finales en SageMaker IA, consulte Implementación de modelos para inferencias.