Membuat SageMaker sumber daya Amazon Anda - AWS Marketplace
Membuat paket model Anda Membuat algoritma Anda

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membuat SageMaker sumber daya Amazon Anda

Untuk mempublikasikan paket model atau produk algoritme, Anda harus membuat sumber daya paket model atau sumber daya algoritme masing-masing di Amazon SageMaker. Ketika Anda membuat sumber daya Anda untuk suatu AWS Marketplace produk, itu harus disertifikasi melalui langkah validasi. Langkah validasi mengharuskan Anda menyediakan data untuk menguji paket model atau sumber daya algoritme Anda sebelum dapat dipublikasikan. Bagian berikut menunjukkan cara membuat SageMaker sumber daya Anda, baik sumber daya paket model atau sumber daya algoritme. Ini termasuk menyetel spesifikasi validasi yang memberi tahu SageMaker cara melakukan validasi.

catatan

Jika Anda belum membuat gambar untuk produk Anda dan mengunggahnya ke Amazon Elastic Container Registry (AmazonECR), lihat Mengemas kode Anda ke dalam gambar untuk produk pembelajaran mesin di AWS Marketplace dan Mengunggah gambar Anda ke Amazon Elastic Container Registry untuk informasi tentang cara melakukannya.

Membuat paket model Anda

Berikut ini adalah persyaratan untuk membuat paket model untuk AWS Marketplace:

catatan

Berikut ini adalah tentang membuat produk paket model. Untuk informasi selengkapnya tentang paket model SageMaker, lihat Membuat Sumber Daya Paket Model.

Membuat sumber daya paket model

Prosedur berikut mengarahkan Anda melalui pembuatan sumber daya paket model.

Langkah 1: Untuk membuat sumber daya paket model

  1. Buka SageMaker konsol Amazon.

  2. Pastikan Anda berada di AWS Wilayah yang ingin Anda publikasikan dengan melihat di kanan atas halaman. Untuk penerbitan, lihat Didukung Wilayah AWS untuk penerbitan bagian. Gambar inferensi yang Anda unggah ke Amazon ECR pada langkah sebelumnya harus berada di Wilayah yang sama.

  3. Di menu navigasi kiri, pilih Paket model.

  4. Pilih Buat paket model.

Setelah Anda membuat paket, Anda perlu mengatur spesifikasi paket inferensi.

Langkah 2: Untuk mengatur spesifikasi inferensi

  1. Berikan Nama untuk paket model Anda (misalnya, my-model-package).

  2. Untuk Lokasi gambar inferensi, masukkan gambar URI inferensi Anda yang diunggah ke Amazon. ECR Anda dapat mengambil URI dengan menemukan gambar Anda di konsol Amazon ECR.

  3. Jika artefak model Anda dari pelatihan dibundel dengan logika Anda dalam gambar inferensi Anda, biarkan Lokasi artefak data model kosong. Jika tidak, tentukan lokasi Amazon S3 lengkap dari file terkompresi (.tar.gz) artefak model Anda.

  4. Dengan menggunakan kotak tarik-turun, pilih jenis instans yang didukung dari gambar inferensi Anda untuk inferensi real-time (juga dikenal sebagai titik akhir) dan pekerjaan transformasi batch.

  5. Pilih Berikutnya.

Sebelum paket model Anda dapat dibuat dan dipublikasikan, validasi diperlukan untuk memastikan bahwa itu berfungsi seperti yang diharapkan. Ini mengharuskan Anda menjalankan pekerjaan transformasi batch dengan data pengujian untuk inferensi yang Anda berikan. Spesifikasi validasi memberi tahu SageMaker cara melakukan validasi.

Langkah 3: Untuk mengatur spesifikasi validasi

  1. Setel Publikasikan paket model ini AWS Marketplace ke Ya. Jika Anda menyetel ini ke Tidak, Anda tidak dapat mempublikasikan paket model ini nanti. Memilih Ya mensertifikasi paket model Anda AWS Marketplace dan memerlukan langkah validasi.

  2. Jika ini adalah pertama kalinya menyelesaikan proses ini, pilih Buat peran baru untuk IAMperan tersebut. Amazon SageMaker menggunakan peran ini saat menyebarkan paket model Anda. Ini termasuk tindakan, seperti menarik gambar dari Amazon ECR dan artefak dari Amazon S3. Tinjau pengaturan, dan pilih Buat peran. Membuat peran di sini memberikan izin yang dijelaskan oleh AmazonSageMakerFullAccessIAMkebijakan ke peran yang Anda buat.

  3. Edit JSONdi profil validasi. Untuk detail tentang nilai yang diizinkan, lihat TransformJobDefinition.

    1. TransformInput.DataSource.S3Uri: Setel ke tempat data pengujian Anda untuk inferensi disimpan.

    2. TransformInput.ContentType: Tentukan jenis konten data pengujian Anda (misalnyaapplication/json,text/plain,image/png ,, atau nilai lainnya). SageMaker tidak memvalidasi data input yang sebenarnya. Nilai ini diteruskan ke HTTP titik akhir kontainer Anda di nilai Content-type header.

    3. TransformInput.CompressionType: Setel ke None jika data pengujian untuk inferensi di Amazon S3 tidak dikompresi.

    4. TransformInput.SplitType: Setel None untuk meneruskan setiap objek di Amazon S3 secara keseluruhan untuk inferensi.

    5. TransformOutput.S3OutputPath: Setel ke lokasi dimana output inferensi disimpan.

    6. TransformOutput.AssembleWith: Setel None untuk menampilkan setiap inferensi sebagai objek terpisah di Amazon S3.

  4. Pilih Buat paket model.

SageMaker menarik gambar inferensi dari AmazonECR, menyalin artefak apa pun ke wadah inferensi, dan menjalankan tugas transformasi batch menggunakan data pengujian Anda untuk inferensi. Setelah validasi berhasil, status berubah menjadi Selesai.

catatan

Langkah validasi tidak mengevaluasi keakuratan model dengan data pengujian Anda. Langkah validasi memeriksa apakah wadah berjalan dan merespons seperti yang diharapkan.

Anda telah menyelesaikan pembuatan sumber daya produk model Anda. Lanjutkan ke Menerbitkan produk Anda di AWS Marketplace.

Membuat algoritma Anda

Berikut ini adalah persyaratan untuk membuat algoritma untuk AWS Marketplace:

  • Gambar inferensi, disimpan di Amazon ECR

  • Gambar pelatihan, disimpan di Amazon ECR

  • Data pengujian Anda untuk pelatihan, disimpan di Amazon S3

  • Data pengujian Anda untuk inferensi, disimpan di Amazon S3

catatan

Panduan berikut menciptakan produk algoritma. Untuk informasi selengkapnya, lihat Membuat Sumber Algoritma.

Membuat sumber daya algoritme

Prosedur berikut mengarahkan Anda melalui pembuatan sumber daya dalam paket algoritme Anda.

Langkah 1: Untuk membuat sumber daya algoritme

  1. Buka SageMaker konsol Amazon.

  2. Pastikan Anda berada di AWS Wilayah yang ingin Anda publikasikan dengan melihat di kanan atas halaman (lihatDidukung Wilayah AWS untuk penerbitan). Gambar pelatihan dan inferensi yang Anda unggah ke Amazon ECR pada langkah sebelumnya harus berada di Wilayah yang sama ini.

  3. Di menu navigasi kiri, pilih Algoritma.

  4. Pilih Buat algoritma.

Setelah Anda membuat paket algoritme, Anda harus mengatur spesifikasi untuk pelatihan dan penyetelan model Anda.

Langkah 2: Untuk mengatur spesifikasi pelatihan dan penyetelan

  1. Masukkan Nama untuk algoritma Anda (misalnya, my-algorithm).

  2. Untuk gambar Pelatihan, tempel URI lokasi lengkap gambar pelatihan Anda yang diunggah ke AmazonECR. Anda dapat mengambil URI dengan menemukan gambar Anda di konsol Amazon ECR.

  3. Dengan menggunakan kotak tarik-turun, pilih jenis instans untuk pelatihan yang didukung gambar pelatihan Anda.

  4. Di bawah bagian Spesifikasi saluran, tambahkan saluran untuk setiap kumpulan data input yang didukung algoritme Anda, hingga 20 saluran sumber input. Untuk informasi selengkapnya, lihat Konfigurasi Data Input.

  5. Pilih Berikutnya.

  6. Jika algoritme Anda mendukung hyperparameters dan tuning hyperparameter, Anda harus menentukan parameter tuning.

  7. Pilih Berikutnya.

catatan

Kami sangat menyarankan agar algoritme Anda mendukung penyetelan hyperparameter dan membuat parameter yang sesuai dapat disetel. Hal ini memungkinkan ilmuwan data untuk menyetel model untuk mendapatkan hasil terbaik.

Setelah Anda mengatur parameter penyetelan, jika ada, Anda harus mengatur spesifikasi untuk gambar inferensi Anda.

Langkah 3: Untuk mengatur spesifikasi gambar inferensi

  1. Untuk Lokasi gambar inferensi, tempel gambar inferensi yang diunggah ke Amazon. URI ECR Anda dapat mengambil URI dengan menemukan gambar Anda di Konsol Amazon ECR.

  2. Menggunakan kotak tarik-turun, pilih jenis instans yang didukung untuk gambar inferensi Anda untuk inferensi real-time (juga dikenal sebagai titik akhir) dan pekerjaan transformasi batch.

  3. Pilih Berikutnya.

Sebelum algoritme Anda dapat dibuat dan dipublikasikan, validasi diperlukan untuk memastikan bahwa algoritme berfungsi seperti yang diharapkan. Ini mengharuskan Anda menjalankan pekerjaan pelatihan dengan data pengujian untuk pelatihan dan pekerjaan transformasi batch dengan data pengujian untuk inferensi yang Anda berikan. Spesifikasi validasi memberi tahu SageMaker cara melakukan validasi.

Langkah 4: Untuk mengatur spesifikasi validasi

  1. Setel Publikasikan algoritma ini AWS Marketplace ke Ya. Jika Anda menyetel ini ke Tidak, Anda tidak dapat mempublikasikan algoritme ini nanti. Memilih Ya mensertifikasi algoritme Anda AWS Marketplace dan memerlukan spesifikasi validasi.

  2. Jika ini adalah pertama kalinya Anda membuat paket pembelajaran mesin AWS Marketplace, pilih Buat peran baru untuk IAMperan tersebut. Amazon SageMaker menggunakan peran ini saat melatih algoritme Anda dan menerapkan paket model berikutnya. Ini termasuk tindakan seperti menarik gambar dari AmazonECR, menyimpan artefak di Amazon S3, dan menyalin data pelatihan dari Amazon S3. Tinjau pengaturan, dan pilih Buat peran. Membuat peran di sini memberikan izin yang dijelaskan oleh AmazonSageMakerFullAccessIAMkebijakan ke peran yang Anda buat.

  3. Edit JSONfile di profil validasi untuk definisi pekerjaan Pelatihan. Untuk informasi selengkapnya tentang nilai yang diizinkan, lihat TrainingJobDefinition.

    1. InputDataConfig: Dalam JSON larik ini, tambahkan objek Channel untuk setiap saluran yang Anda tentukan dalam langkah spesifikasi pelatihan. Untuk setiap saluran, tentukan di mana data pengujian Anda untuk pelatihan disimpan.

    2. OutputDataConfig: Setelah pelatihan selesai, artefak model di jalur /opt/ml/model/ direktori wadah pelatihan dikompresi dan disalin ke Amazon S3. Tentukan lokasi Amazon S3 tempat file terkompresi (.tar.gz) disimpan.

  4. Edit JSON file di profil validasi untuk Transform job definition. Untuk informasi selengkapnya tentang nilai yang diizinkan, lihat TransformJobDefinition.

    1. TransformInput.DataSource.S3Uri: Setel ke tempat data pengujian Anda untuk inferensi disimpan.

    2. TransformInput.ContentType: Tentukan jenis konten data pengujian Anda. Misalnya,application/json,text/plain,image/png, atau nilai lainnya. Amazon SageMaker tidak memvalidasi data input yang sebenarnya. Nilai ini diteruskan ke HTTP titik akhir kontainer Anda di nilai Content-type header.

    3. TransformInput.CompressionType: Setel ke None jika data pengujian untuk inferensi di Amazon S3 tidak dikompresi.

    4. TransformInput.SplitType: Pilih bagaimana Anda ingin objek di S3 split. Misalnya, None melewati setiap objek di Amazon S3 secara keseluruhan untuk inferensi. Untuk detail selengkapnya, lihat SplitTypedi SageMaker API Referensi Amazon.

    5. TransformOutput.S3OutputPath: Setel ke lokasi di mana output inferensi disimpan.

    6. TransformOutput.AssembleWith: Setel None untuk menampilkan setiap inferensi sebagai objek terpisah di Amazon S3.

  5. Pilih Buat paket algoritma.

SageMaker menarik gambar pelatihan dari AmazonECR, menjalankan pekerjaan uji pelatihan menggunakan data Anda, dan menyimpan artefak model di Amazon S3. Kemudian menarik gambar inferensi dari AmazonECR, menyalin artefak dari Amazon S3 ke dalam wadah inferensi, dan menjalankan tugas transformasi batch menggunakan data pengujian Anda untuk inferensi. Setelah validasi berhasil, status berubah menjadi Selesai.

catatan

Langkah validasi tidak mengevaluasi keakuratan pelatihan atau model dengan data pengujian Anda. Langkah validasi memeriksa apakah kontainer berjalan dan merespons seperti yang diharapkan.

Langkah validasi hanya memvalidasi pemrosesan batch. Terserah Anda untuk memvalidasi bahwa pemrosesan waktu nyata bekerja dengan produk Anda.

Anda telah menyelesaikan pembuatan sumber daya produk algoritme Anda. Lanjutkan ke Menerbitkan produk Anda di AWS Marketplace.