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.

Développez des algorithmes et des modèles sur Amazon SageMaker

Avant de pouvoir créer des ressources d'algorithmes et de packages de modèles à utiliser dans Amazon SageMaker ou à répertorier AWS Marketplace, vous devez les développer et les empaqueter dans des conteneurs Docker.

Développez des algorithmes dans SageMaker

Un algorithme doit être empaqueté sous forme de conteneur docker et stocké sur Amazon ECR pour être utilisé. SageMaker Le conteneur Docker contient le code d'entraînement utilisé pour exécuter des tâches d'entraînement et, le cas échéant, le code d'inférence utilisé pour obtenir des inférences depuis des modèles entraînés grâce à l'algorithme.

Pour plus d'informations sur le développement d'algorithmes SageMaker et leur conditionnement sous forme de conteneurs, consultezUtiliser des conteneurs Docker pour former et déployer des modèles. Pour un exemple complet de création d'un conteneur d'algorithmes, consultez le bloc-notes d'exemple à l'adresse https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. Vous pouvez également trouver l'exemple de bloc-notes dans une instance de SageMaker bloc-notes. Le bloc-notes se trouve dans la section Advanced Functionality (Fonctionnalités avancées) et s'appelle scikit_bring_your_own.ipynb. Pour obtenir des informations sur l'utilisation d'un exemple de bloc-notes dans une instance de bloc-notes, consultez Exemples de blocs-notes.

Testez toujours minutieusement vos algorithmes avant de créer des ressources d'algorithmes sur lesquelles publier AWS Marketplace.

Développez des modèles dans SageMaker

Un modèle déployable SageMaker comprend un code d'inférence, des artefacts de modèle, un IAM rôle utilisé pour accéder aux ressources et d'autres informations requises pour déployer le modèle dans. SageMaker Les artefacts de modèles sont les résultats de l'entraînement d'un modèle grâce à un algorithme de machine learning. Le code d'inférence doit être emballé dans un conteneur Docker et stocké sur Amazon. ECR Vous pouvez packager les artefacts de modèle dans le même conteneur que l'inférence code, ou les stocker dans Amazon S3.

Vous créez un modèle en exécutant une tâche de formation dans SageMaker ou en entraînant un algorithme d'apprentissage automatique en dehors de SageMaker. Si vous exécutez une tâche de formation dans SageMaker, les artefacts du modèle qui en résultent sont disponibles ModelArtifacts sur le terrain en réponse à un appel à l'DescribeTrainingJobopération. Pour plus d'informations sur le développement d'un SageMaker modèle de conteneur, consultezUtilisation de votre propre code d'inférence. Pour un exemple complet de création d'un conteneur de modèles à partir d'un modèle entraîné en dehors de SageMaker, consultez l'exemple de bloc-notes à l'adresse https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. Vous pouvez également trouver l'exemple de bloc-notes dans une instance de SageMaker bloc-notes. Le bloc-notes se trouve dans la section Advanced Functionality (Fonctionnalités avancées) et s'appelle xgboost_bring_your_own_model.ipynb. Pour obtenir des informations sur l'utilisation d'un exemple de bloc-notes dans une instance de bloc-notes, consultez Exemples de blocs-notes.

Testez toujours minutieusement vos modèles avant de créer des packages de modèles sur lesquels publier AWS Marketplace.