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.
Attacher EI à une instance de bloc-notes
Pour tester et évaluer les performances d'inférence avec EI, vous pouvez attacher EI à une instance de bloc-notes lorsque vous créez ou mettez à jour une instance de bloc-notes. Vous pouvez ensuite utiliser EI en mode local pour héberger un modèle à un point de terminaison hébergé sur l'instance de bloc-notes. Vous devez tester plusieurs tailles d'instances de blocs-notes et accélérateurs EI pour évaluer la configuration qui convient le mieux à votre usage.
Configuration pour utiliser EI
Pour utiliser EI localement dans une instance de bloc-notes, créez une instance de bloc-notes avec une instance EI.
Pour créer une instance de bloc-notes avec une instance EI
-
Ouvrez la SageMaker console Amazon à l'adresse https://console.aws.amazon.com/sagemaker/
. -
Dans le panneau de navigation, choisissez Instances de bloc-notes.
-
Choisissez Create notebook instance (Créer une instance de bloc-notes).
-
Pour Nom de l'instance de bloc-notes, indiquez un nom unique pour votre instance de bloc-notes.
-
Pour type d'instance de bloc-notes, choisissez une instance d'UC telle que ml.t2.medium.
-
Pour Elastic Inference (EI), choisissez une instance dans la liste, par exemple ml.eia2.medium.
-
Pour le rôle IAM, choisissez un rôle IAM disposant des autorisations requises pour être utilisé SageMaker et EI.
-
(Facultatif) Pour VPC - Facultatif, si vous voulez que l'instance de bloc-notes utilise un VPC, choisissez-en un dans la liste. Sinon, conservez la valeur Pas de VPC. Si vous utilisez un VPC, suivez les instructions décrites dans Utilisation d'un VPC personnalisé pour se connecter à EI.
-
(Facultatif) Pour Configuration du cycle de vie - facultatif, conservez Pas de configuration ou choisissez une configuration de cycle de vie. Pour plus d’informations, consultez Personnalisation d'une instance de SageMaker bloc-notes à l'aide d'un LCC script.
-
(Facultatif) Pour la clé de chiffrement : facultatif, facultatif) Si vous SageMaker souhaitez utiliser une clé AWS Key Management Service (AWS KMS) pour chiffrer les données du volume de stockage ML attaché à l'instance de bloc-notes, spécifiez la clé.
-
(Facultatif) Pour Taille du volume en Go - facultatif, laissez la valeur par défaut de 5.
-
(Facultatif) Pour Balises, ajoutez des balises à l'instance de bloc-notes. Une balise est une étiquette que vous affectez pour vous aider à gérer vos instances de bloc-notes. une identification est constituée d'une clé et d'une valeur que vous définissez.
-
Choisissez Créer une instance de bloc-notes.
Une fois que vous avez créé votre instance de bloc-notes avec EI attaché, vous pouvez créer un bloc-notes Jupyter et configurer un point de terminaison EI hébergé localement sur l'instance de bloc-notes.
Utiliser EI en mode local dans SageMaker
Pour utiliser EI localement dans un point de terminaison hébergé sur une instance de bloc-notes, utilisez le mode local avec les versions du SDK Amazon SageMaker Python
Rubriques
Utiliser EI en mode local avec des SageMaker TensorFlow estimateurs et des modèles
Pour utiliser EI TensorFlow en mode local, spécifiez local
pour instance_type
et local_sagemaker_notebook
pour accelerator_type
quand vous appelez la deploy
méthode d'un estimateur ou d'un objet modèle. Pour plus d'informations sur les TensorFlow estimateurs et les modèles du SDK Amazon SageMaker Python
Le code suivant montre comment utiliser le mode local avec un objet évaluateur. Pour appeler la méthode deploy
, vous devez avoir précédemment :
-
soit entraîné le modèle en appelant la méthode
fit
d'un évaluateur ; -
soit transmis un artefact de modèle lors de l'initialisation de l'objet modèle.
# Deploys the model to a local endpoint tf_predictor = tf_model.deploy(initial_instance_count=1, instance_type='local', accelerator_type='local_sagemaker_notebook')
Utilisation de l'IE en mode local avec les estimateurs et modèles SageMaker Apache MXNet
Pour utiliser EI avec MXNet en mode local, spécifiez local
pour instance_type
et local_sagemaker_notebook
pour accelerator_type
lorsque vous appelez la méthode deploy
d'un objet modèle ou évaluateur. Pour plus d'informations sur les estimateurs et modèles MXnet du SDK Amazon SageMaker Python
Le code suivant montre comment utiliser le mode local avec un objet évaluateur. Vous devez avoir précédemment appelé la méthode fit
de l'évaluateur pour entraîner le modèle.
# Deploys the model to a local endpoint mxnet_predictor = mxnet_estimator.deploy(initial_instance_count=1, instance_type='local', accelerator_type='local_sagemaker_notebook')
Utiliser EI en mode local avec des SageMaker PyTorch estimateurs et des modèles
Pour utiliser EI PyTorch en mode local, lorsque vous appelez la deploy
méthode d'un estimateur ou d'un objet modèle, spécifiez local
pour instance_type
et local_sagemaker_notebook
pour. accelerator_type
Pour plus d'informations sur les estimateurs et les modèles du SDK Amazon SageMaker Python
Le code suivant montre comment utiliser le mode local avec un objet évaluateur. Vous devez avoir précédemment appelé la méthode fit
de l'évaluateur pour entraîner le modèle.
# Deploys the model to a local endpoint pytorch_predictor = pytorch_estimator.deploy(initial_instance_count=1, instance_type='local', accelerator_type='local_sagemaker_notebook')