Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Gunakan paket model untuk membuat model deployable yang dapat Anda gunakan untuk mendapatkan inferensi real-time dengan membuat endpoint yang dihosting atau untuk menjalankan pekerjaan transformasi batch. Anda dapat membuat model deployable dari paket model dengan menggunakan konsol Amazon SageMaker AI, SageMaker API tingkat rendah), atau Amazon Python SageMaker
Topik
Menggunakan Paket Model untuk Membuat Model (Konsol)
Untuk membuat model deployable dari paket model (konsol)
-
Buka konsol SageMaker AI di https://console.aws.amazon.com/sagemaker/
. -
Pilih paket Model.
-
Pilih paket model yang Anda buat dari daftar di tab Paket model saya atau pilih paket model yang Anda berlangganan di tab AWS Marketplace langganan.
-
Pilih Buat model.
-
Untuk nama Model, ketikkan nama untuk model.
-
Untuk peran IAM, pilih peran IAM yang memiliki izin yang diperlukan untuk memanggil layanan lain atas nama Anda, atau pilih Buat peran baru untuk memungkinkan SageMaker AI membuat peran yang memiliki kebijakan
AmazonSageMakerFullAccessterkelola yang dilampirkan. Untuk informasi, lihat Cara menggunakan peran eksekusi SageMaker AI. -
Untuk VPC, pilih VPC Amazon yang ingin Anda izinkan untuk diakses oleh model. Untuk informasi selengkapnya, lihat Berikan Akses Titik Akhir yang Dihosting SageMaker AI ke Sumber Daya di VPC Amazon Anda.
-
Tinggalkan nilai default untuk opsi input Container dan Pilih paket model.
-
Untuk variabel lingkungan, berikan nama dan nilai variabel lingkungan yang ingin Anda lewatkan ke wadah model.
-
Untuk Tag, tentukan satu atau beberapa tag untuk mengelola model. Setiap tanda terdiri dari kunci dan nilai opsional. Kunci tanda harus unik untuk setiap sumber daya.
-
Pilih Buat model.
Setelah Anda membuat model deployable, Anda dapat menggunakannya untuk menyiapkan endpoint untuk inferensi real-time atau membuat pekerjaan transformasi batch untuk mendapatkan kesimpulan pada seluruh kumpulan data. Untuk informasi tentang hosting endpoint di SageMaker AI, lihat Menerapkan Model untuk Inferensi.
Menggunakan Model Package untuk Membuat Model (API)
Untuk menggunakan paket model untuk membuat model deployable menggunakan SageMaker API, tentukan nama atau Amazon Resource Name (ARN) paket model sebagai ModelPackageName bidang ContainerDefinitionobjek yang Anda teruskan ke API. CreateModel
Setelah Anda membuat model deployable, Anda dapat menggunakannya untuk menyiapkan endpoint untuk inferensi real-time atau membuat pekerjaan transformasi batch untuk mendapatkan kesimpulan pada seluruh kumpulan data. Untuk informasi tentang titik akhir yang dihosting di SageMaker AI, lihat Menerapkan Model untuk Inferensi.
Menggunakan Paket Model untuk Membuat Model (Amazon SageMaker Python
Untuk menggunakan paket model untuk membuat model deployable dengan menggunakan AI SageMaker Python SDK, inisialisasi objekModelPackage, dan teruskan Amazon Resource Name (ARN) dari paket model sebagai argumen. model_package_arn Sebagai contoh:
from sagemaker import ModelPackage
model = ModelPackage(role='SageMakerRole',
model_package_arn='training-job-scikit-decision-trees-1542660466-6f92',
sagemaker_session=sagemaker_session)Setelah Anda membuat model deployable, Anda dapat menggunakannya untuk menyiapkan endpoint untuk inferensi real-time atau membuat pekerjaan transformasi batch untuk mendapatkan kesimpulan pada seluruh kumpulan data. Untuk informasi tentang hosting endpoint di SageMaker AI, lihat Menerapkan Model untuk Inferensi.
