Menggunakan Model Package untuk Membuat Model - Amazon SageMaker
Menggunakan Paket Model untuk Membuat Model (Konsol)Menggunakan Model Package untuk Membuat Model (API)Menggunakan Paket Model untuk Membuat Model (Amazon SageMaker Python SDK)

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

Menggunakan Model Package untuk Membuat Model

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 menggunakan SageMaker konsol Amazon, SageMaker API tingkat rendah), atau Amazon Python SageMaker SDK.

Menggunakan Paket Model untuk Membuat Model (Konsol)

Untuk membuat model deployable dari paket model (konsol)

  1. Buka SageMaker konsol di https://console.aws.amazon.com/sagemaker/.

  2. Pilih paket Model.

  3. 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.

  4. Pilih Buat model.

  5. Untuk nama Model, ketikkan nama untuk model.

  6. Untuk peran IAM, pilih peran IAM yang memiliki izin yang diperlukan untuk memanggil layanan lain atas nama Anda, atau pilih Buat peran baru SageMaker untuk memungkinkan membuat peran yang memiliki kebijakan AmazonSageMakerFullAccess terkelola yang dilampirkan. Untuk informasi, lihat Cara menggunakan peran SageMaker eksekusi.

  7. Untuk VPC, pilih VPC Amazon yang ingin Anda izinkan untuk diakses oleh model. Untuk informasi selengkapnya, lihat Berikan Akses Endpoint yang SageMaker Dihosting ke Sumber Daya di VPC Amazon Anda.

  8. Tinggalkan nilai default untuk opsi input Container dan Pilih paket model.

  9. Untuk variabel lingkungan, berikan nama dan nilai variabel lingkungan yang ingin Anda lewatkan ke wadah model.

  10. 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.

  11. 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 titik akhir hosting di SageMaker, 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, lihat Menerapkan Model untuk Inferensi.

Menggunakan Paket Model untuk Membuat Model (Amazon SageMaker Python SDK)

Untuk menggunakan paket model untuk membuat model deployable dengan menggunakan SageMaker Python SDK, inisialisasi objekModelPackage, dan meneruskan 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 titik akhir hosting di SageMaker, lihat Menerapkan Model untuk Inferensi.