Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Restrictions de service et quotas pour les produits d'apprentissage automatique dans AWS Marketplace

Cette section décrit les restrictions et les quotas applicables à vos produits d'apprentissage automatique (ML) dans AWS Marketplace.

Isolement de réseau

Pour des raisons de sécurité, lorsqu'un acheteur s'abonne à votre produit conteneurisé, les conteneurs Docker sont exécutés dans un environnement isolé sans accès au réseau. Lorsque vous créez vos conteneurs, ne vous fiez pas aux appels sortants via Internet, car ils échoueront. Les appels vers Services AWS échoueront également.

Taille de l'image

La taille de votre image Docker est régie par les quotas de service Amazon Elastic Container Registry (AmazonECR). La taille de l'image Docker affecte le temps de démarrage pendant les tâches de formation, les tâches de transformation par lots et la création de terminaux. Pour de meilleures performances, maintenez une taille d'image Docker optimale.

Taille de stockage

Lorsque vous créez un point de terminaison, Amazon SageMaker attache un volume de stockage Amazon Elastic Block Store (AmazonEBS) à chaque instance de calcul ML hébergeant le point de terminaison. (Un point de terminaison est également appelé inférence en temps réel ou service SageMaker d'hébergement Amazon.) La taille du volume de stockage dépend du type d'instance. Pour plus d'informations, consultez la section Volumes de stockage des instances hôtes dans le manuel Amazon SageMaker Developer Guide. 

Pour la transformation par lots, consultez Storage in Batch Transform dans le manuel Amazon SageMaker Developer Guide.

Taille d’instance

SageMaker fournit une sélection de types d'instances optimisés pour s'adapter aux différents cas d'utilisation du ML. Les types d'instances sont composés de différentes combinaisons de CPU capacité réseau et de mémoire. GPU Les types d'instances vous offrent la flexibilité de choisir la combinaison appropriée de ressources pour créer, former et déployer vos modèles de machine learning. Pour plus d'informations, consultez la section Types SageMaker d'instances Amazon ML.

Taille de la charge utile pour l'inférence

Pour un point de terminaison, limitez la taille maximale des données d'entrée par appel à 6 Mo. Cette valeur ne peut pas être ajustée.

Pour la transformation par lots, la taille maximale des données d'entrée par appel est de 100 Mo. Cette valeur ne peut pas être ajustée.

Temps de traitement pour l'inférence

Pour un point de terminaison, le temps de traitement maximal par appel est de 60 secondes. Cette valeur ne peut pas être ajustée.

Pour la transformation par lots, le temps de traitement maximal par appel est de 60 minutes. Cette valeur ne peut pas être ajustée.

Quotas de service

Pour plus d'informations sur les quotas liés à la formation et à l'inférence, consultez Amazon SageMaker Service Quotas.

Inférence asynchrone

Les packages de modèles et les algorithmes publiés dans ne AWS Marketplace peuvent pas être déployés sur des points de terminaison configurés pour Amazon SageMaker Asynchronous Inference. Les points de terminaison configurés pour l'inférence asynchrone nécessitent que les modèles soient connectés au réseau. Tous les AWS Marketplace modèles fonctionnent en isolation du réseau. Pour plus d'informations, voir Pas d'accès au réseau.

Inférence sans serveur

Les packages de modèles et les algorithmes publiés dans ne AWS Marketplace peuvent pas être déployés sur des points de terminaison configurés pour Amazon SageMaker Serverless Inference. Les points de terminaison configurés pour l'inférence sans serveur nécessitent que les modèles soient connectés au réseau. Tous les AWS Marketplace modèles fonctionnent en isolation du réseau. Pour plus d'informations, voir Pas d'accès au réseau.

Entraînement Spot géré

Pour tous les algorithmes de AWS Marketplace, la valeur de MaxWaitTimeInSeconds est fixée à 3 600 secondes (60 minutes), même si le point de contrôle pour l'entraînement ponctuel géré est implémenté. Cette valeur ne peut pas être ajustée.

Images Docker et Comptes AWS

Pour la publication, les images doivent être stockées dans ECR des référentiels Amazon appartenant Compte AWS au vendeur. Il n'est pas possible de publier des images stockées dans un référentiel appartenant à un autre Compte AWS.

Publication de packages de modèles à partir d'algorithmes intégrés ou AWS Marketplace

Les packages modèles créés à partir de tâches de formation à l'aide d'un algorithme SageMaker intégré d'Amazon ou d'un algorithme issu d'un AWS Marketplace abonnement ne peuvent pas être publiés.

Vous pouvez toujours utiliser les artefacts du modèle issus de la tâche de formation, mais votre propre image d'inférence est requise pour publier des packages de modèles.

Pris en charge Régions AWS pour la publication

AWS Marketplace prend en charge la publication de ressources de packages de modèles et d'algorithmes à partir Régions AWS desquelles les deux conditions suivantes sont vraies :

Toutes les ressources nécessaires à la publication d'un package modèle ou d'un produit d'algorithme doivent être stockées dans la même région que celle à partir de laquelle vous choisissez de publier. Cela inclut les éléments suivants :

Vous pouvez développer et former votre produit dans n'importe quelle région prise en charge par SageMaker. Toutefois, avant de pouvoir publier, vous devez copier tous les actifs et recréer les ressources dans une région à partir de laquelle la publication est AWS Marketplace prise en charge.

Au cours du processus de mise en vente, quelle Région AWS que soit la région à partir de laquelle vous publiez, vous pouvez choisir les régions dans lesquelles vous souhaitez publier et rendre votre produit disponible.