Exécuter les opérations prérequises - Amazon SageMaker AI

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.

Exécuter les opérations prérequises

Pour empaqueter un modèle, procédez comme suit :

  1. Compilez votre modèle d'apprentissage automatique avec SageMaker AI Neo.

    Si ce n'est pas déjà fait, compilez votre modèle avec SageMaker Neo. Pour de plus amples informations sur la compilation de votre modèle, veuillez consulter Compile and Deploy Models with Neo (Compiler et déployer des modèles avec Neo). Si vous utilisez SageMaker Neo pour la première fois, consultez Getting Started with Neo Edge Devices.

  2. Obtenez le nom de votre tâche de compilation.

    Indiquez le nom de la tâche de compilation que vous avez utilisée lorsque vous avez compilé votre modèle avec SageMaker Neo. Ouvrez la console SageMaker AI sur https://console.aws.amazon.com/sagemaker/et choisissez Compilation jobs pour trouver une liste des compilations qui ont été soumises à votre AWS compte. Les noms des tâches de compilation envoyées figurent dans la colonne Name (Nom).

  3. Obtenez votre ARN IAM.

    Vous avez besoin d'un nom de ressource Amazon (ARN) correspondant à un rôle IAM que vous pouvez utiliser pour télécharger et charger le modèle et contacter SageMaker Neo.

    Utilisez l'une des méthodes suivantes pour obtenir votre ARN IAM :

    • Par programmation avec le SDK AI SageMaker Python

      import sagemaker

# Initialize SageMaker Session object so you can interact with AWS resources
sess = sagemaker.Session()

# Get the role ARN 
role = sagemaker.get_execution_role()

print(role)
>> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>

      Pour plus d'informations sur l'utilisation du SDK SageMaker Python, consultez l'API du SDK Python SageMaker AI.

    • Utilisation de la AWS Identity and Access Management console (IAM)

      Accédez à la console IAM à https://console.aws.amazon.com/iam/l'adresse. Dans la section Resources (Ressources) IAM, choisissez Roles (Rôles) pour afficher une liste des rôles dans votre compte AWS . Sélectionnez ou créez un rôle bénéficiant des autorisations AmazonSageMakerFullAccess, AWSIoTFullAccess et AmazonS3FullAccess.

      Pour de plus amples informations, veuillez consulter What is IAM? (Qu'est-ce qu'IAM ?)

  4. Procurez-vous un URI de compartiment S3.

    Vous devez disposer d'au moins une URI de compartiment Amazon Simple Storage Service (Amazon S3) pour stocker votre modèle néo-compilé, la sortie de la tâche d'empaquetage Edge Manager et des exemples de données de votre flotte de dispositifs.

    Utilisez l'une des méthodes suivantes pour créer un compartiment Amazon S3 :

    • Par programmation avec le SDK AI SageMaker Python

      Vous pouvez utiliser le compartiment Amazon S3 par défaut au cours d'une session. Un compartiment par défaut est créé selon le format suivant : sagemaker-{region}-{aws-account-id}. Pour créer un bucket par défaut avec le SDK SageMaker Python, utilisez ce qui suit :

      import sagemaker

session=sagemaker.create_session()

bucket=session.default_bucket()

    • Utilisation de la console Amazon S3

      Ouvrez la console Amazon S3 à https://console.aws.amazon.com/s3/l'adresse suivante : Comment créer un compartiment S3 ? pour obtenir step-by-step des instructions.