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.
Ressources pour utiliser SparkML Serving avec Amazon SageMaker
Le modèle et le prédicteur Amazon SageMaker Python SDK SparkML Serving et le conteneur open source SparkML Serving d' SageMaker Amazon prennent en charge le déploiement de pipelines Apache Spark ML sérialisés avec in pour obtenir des inférences. MLeap SageMaker Utilisez les ressources suivantes pour savoir comment utiliser SparkML Serving avec. SageMaker
Pour plus d'informations sur l'utilisation du conteneur SparkML Serving pour déployer des modèles, SageMaker consultez le référentiel SageMaker de conteneurs Spark ML. GitHub Pour plus d'informations sur le modèle de service SDK SparkML et les prédicteurs d'Amazon SageMaker Python, consultez la documentation du modèle de service et du prédicteur SparkML. API
