Utilisation d'un package de modèle pour créer un modèle - Amazon SageMaker
Utilisation d'un package de modèle pour créer un modèle (console)Utilisation d'un package de modèle pour créer un modèle (API)Utiliser un Package de modèles pour créer un modèle (SDK Amazon SageMaker Python)

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.

Utilisation d'un package de modèle pour créer un modèle

Utilisez un package de modèle afin de créer un modèle pouvant être déployé que vous utiliserez pour obtenir les inférences en temps réel en configurant un point de terminaison hébergé ou d'exécuter des tâches de transformation par lots. Vous pouvez créer un modèle déployable à partir d'un package de modèles à l'aide de la SageMaker console Amazon, de l' SageMaker API de bas niveau ou du SDK Amazon SageMaker Python.

Utilisation d'un package de modèle pour créer un modèle (console)

Pour créer un modèle pouvant être déployé à partir d'un package de modèle (console)

  1. Ouvrez la SageMaker console à l'adresse https://console.aws.amazon.com/sagemaker/.

  2. Choisissez Model packages (Packages de modèle).

  3. Choisissez un package de modèle que vous avez créé dans la liste de l'onglet My model packages (Mes packages de modèle) ou choisissez un package de modèle auquel vous vous êtes abonné sur l'onglet des abonnements AWS Marketplace .

  4. Sélectionnez Create model.

  5. Sous Nom du modèle, attribuez un nom au modèle.

  6. Pour le rôle IAM, choisissez un rôle IAM disposant des autorisations requises pour appeler d'autres services en votre nom, ou choisissez Créer un nouveau rôle pour autoriser la création SageMaker d'un rôle auquel la politique AmazonSageMakerFullAccess gérée est attachée. Pour plus d’informations, veuillez consulter Comment utiliser les rôles SageMaker d'exécution.

  7. Sous VPC, choisissez un Amazon VPC auquel le modèle pourra accéder. Pour plus d’informations, consultez Donnez aux points de terminaison SageMaker hébergés l'accès aux ressources de votre Amazon VPC.

  8. Conservez les valeurs par défaut des options Container input options (Options d'entrée du conteneur) et Choose model package (Choisir le package de modèle).

  9. Indiquez ensuite les noms et les valeurs des variables d'environnement que vous souhaitez transmettre au conteneur de modèle.

  10. Sous Balises, spécifiez une ou plusieurs balises permettant de gérer le modèle. Chaque balise est constituée d’une clé et d’une valeur facultative. Les clés de balise doivent être uniques à chaque ressource.

  11. Sélectionnez Create model.

Une fois le modèle déployable créé, vous pouvez l'utiliser afin de configurer un point de terminaison pour l'inférence en temps réel ou de créer une tâche de transformation par lots afin d'obtenir les inférences sur tous les ensembles de données. Pour plus d'informations sur l'hébergement de points de terminaison dans SageMaker, consultez la section Déployer des modèles pour l'inférence.

Utilisation d'un package de modèle pour créer un modèle (API)

Pour utiliser un package de modèle afin de créer un modèle déployable à l'aide de l' SageMaker API, spécifiez le nom ou l'Amazon Resource Name (ARN) du package de modèle comme ModelPackageName champ de l'ContainerDefinitionobjet que vous transmettez à l'CreateModelAPI.

Une fois le modèle déployable créé, vous pouvez l'utiliser afin de configurer un point de terminaison pour l'inférence en temps réel ou de créer une tâche de transformation par lots afin d'obtenir les inférences sur tous les ensembles de données. Pour plus d'informations sur les points de terminaison hébergés dans SageMaker, consultez la section Déployer des modèles pour l'inférence.

Utiliser un Package de modèles pour créer un modèle (SDK Amazon SageMaker Python)

Pour utiliser un package de modèle afin de créer un modèle déployable à l'aide du SDK SageMaker Python, initialisez un ModelPackage objet et transmettez le nom de ressource Amazon (ARN) du package de modèle comme argument. model_package_arn Par exemple :

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

Une fois le modèle déployable créé, vous pouvez l'utiliser afin de configurer un point de terminaison pour l'inférence en temps réel ou de créer une tâche de transformation par lots afin d'obtenir les inférences sur tous les ensembles de données. Pour plus d'informations sur l'hébergement de points de terminaison dans SageMaker, consultez la section Déployer des modèles pour l'inférence.