Création d’un modèle - Amazon SageMaker AI
Pour créer un modèle (à l'aide de Model Registry)Pour créer un modèle (en utilisantAPI)Pour créer un modèle (à l'aide de la console)

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.

Création d’un modèle

Pour créer votre modèle, vous devez fournir l'emplacement de vos artefacts de modèle et de l'image de conteneur. Vous pouvez également utiliser une version du modèle depuis SageMaker Model Registry. Les exemples présentés dans les sections suivantes vous montrent comment créer un modèle à l'aide du CreateModelAPIModel Registry et de la console Amazon SageMaker AI.

Pour créer un modèle (à l'aide de Model Registry)

Model Registry est une fonctionnalité de l' SageMaker IA qui vous aide à cataloguer et à gérer les versions de votre modèle à utiliser dans les pipelines de ML. Pour utiliser Model Registry avec Serverless Inference, vous devez commencer par enregistrer une version de modèle dans un groupe de modèles Model Registry. Pour savoir comment enregistrer un modèle dans Model Registry, suivez les procédures des rubriques Création d'un groupe de modèles et Enregistrement d'une version de modèle.

L'exemple suivant nécessite que vous disposiez ARN d'une version de modèle enregistrée et que vous utilisiez le AWS SDKfor Python (Boto3) pour appeler le. CreateModelAPI Pour l'inférence sans serveur, Model Registry n'est actuellement pris en charge que par AWS SDK Python (Boto3). Pour l'exemple, spécifiez les valeurs suivantes :

  • Pour model_name, saisissez le nom du modèle.

  • En sagemaker_role effet, vous pouvez utiliser le rôle par défaut SageMaker créé par l'IA ou un IAM rôle SageMaker AI personnalisé à l'étape 4 de la Remplir les conditions préalables section.

  • PourModelPackageName, spécifiez la ARN version de votre modèle, qui doit être enregistrée dans un groupe de modèles dans le Model Registry.

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker AI permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Specify a name for the model
model_name = "<name-for-model>"

#Specify a Model Registry model version
container_list = [
    {
        "ModelPackageName": <model-version-arn>
     }
 ]

#Create the model
response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    container_list
)

Pour créer un modèle (en utilisantAPI)

L'exemple suivant utilise le AWS SDKfor Python (Boto3) pour appeler le. CreateModelAPI Indiquez l'une des valeurs suivantes :

  • Car sagemaker_role, vous pouvez utiliser le rôle par défaut SageMaker créé par l'IA ou un IAM rôle SageMaker AI personnalisé à l'étape 4 de la Remplir les conditions préalables section.

  • Pourmodel_url, spécifiez l'Amazon S3 URI pour votre modèle.

  • Pourcontainer, récupérez le conteneur que vous souhaitez utiliser par son ECR chemin Amazon. Cet exemple utilise un conteneur SageMaker fourni par l'IAXGBoost. Si vous n'avez pas sélectionné de conteneur d' SageMaker IA ou si vous n'avez pas apporté le vôtre, consultez l'étape 6 de la Remplir les conditions préalables section pour plus d'informations.

  • Pour model_name, saisissez le nom du modèle.

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker AI permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Get model from S3
model_url = "s3://amzn-s3-demo-bucket/models/model.tar.gz"

#Get container image (prebuilt example)
from sagemaker import image_uris
container = image_uris.retrieve("xgboost", region, "0.90-1")

#Create model
model_name = "<name-for-model>"

response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    Containers = [{
        "Image": container,
        "Mode": "SingleModel",
        "ModelDataUrl": model_url,
    }]
)

Pour créer un modèle (à l'aide de la console)

  1. Connectez-vous à la console Amazon SageMaker AI.

  2. Sous l'onglet de navigation, sélectionnez Inference.

  3. Ensuite, sélectionnez Models (Modèles).

  4. Sélectionnez Create model.

  5. Dans Nom du modèle, entrez un nom pour le modèle unique à votre compte et Région AWS.

  6. Pour IAMle rôle, sélectionnez un IAM rôle que vous avez déjà créé (voirRemplir les conditions préalables) ou autorisez l' SageMaker IA à en créer un pour vous.

  7. Dans Container definition 1 (Définition de conteneur 1), pour Container input options (Options d'entrée de conteneur), sélectionnez Provide model artifacts and input location (Fournir des artefacts de modèle et un emplacement d'entrée).

  8. Pour Provide model artifacts and inference image options (Fournir des artefacts de modèle et des options d'image d'inférence), sélectionnez Use a single model (Utiliser un seul modèle).

  9. Pour Emplacement de l'image du code d'inférence, entrez un ECR chemin Amazon vers un conteneur. L'image doit être une image de première partie SageMaker fournie par l'IA (par exemple TensorFlow,XGBoost) ou une image résidant dans un ECR référentiel Amazon au sein du même compte sur lequel vous créez le point de terminaison. Si vous n'avez pas de conteneur, revenez à l'étape 6 de la section Remplir les conditions préalables pour plus d'informations.

  10. Pour Emplacement des artefacts du modèle, entrez l'Amazon S3 dans votre modèle URI de machine learning. Par exemple, s3://amzn-s3-demo-bucket/models/model.tar.gz.

  11. (Facultatif) Pour Tags (Balises), ajoutez des paires de valeur clé afin de créer des métadonnées pour votre modèle.

  12. Sélectionnez Create model.