Buat model - Amazon SageMaker
Untuk membuat model (menggunakan Model Registry)Untuk membuat model (menggunakanAPI)Untuk membuat model (menggunakan konsol)

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

Buat model

Untuk membuat model Anda, Anda harus memberikan lokasi artefak model dan gambar kontainer Anda. Anda juga dapat menggunakan versi model dari SageMaker Model Registry. Contoh di bagian berikut menunjukkan cara membuat model menggunakan CreateModelAPI, Model Registry, dan SageMakerkonsol Amazon.

Untuk membuat model (menggunakan Model Registry)

Model Registry adalah fitur SageMaker yang membantu Anda membuat katalog dan mengelola versi model Anda untuk digunakan di saluran pipa ML. Untuk menggunakan Registri Model dengan Inferensi Tanpa Server, Anda harus terlebih dahulu mendaftarkan versi model dalam grup model Registry Model. Untuk mempelajari cara mendaftarkan model di Model Registry, ikuti prosedur di Buat Grup Model danDaftarkan Versi Model.

Contoh berikut mengharuskan Anda untuk memiliki versi model terdaftar dan menggunakan AWS SDKfor Python (Boto3) untuk memanggil. ARN CreateModelAPI Untuk Inferensi Tanpa Server, Registri Model saat ini hanya didukung oleh untuk AWS SDK Python (Boto3). Sebagai contoh, tentukan nilai-nilai berikut:

  • Untukmodel_name, masukkan nama untuk model.

  • Untuksagemaker_role, Anda dapat menggunakan peran default SageMaker yang dibuat atau SageMaker IAM peran yang disesuaikan dari Langkah 4 Lengkapi prasyarat bagian.

  • UntukModelPackageName, tentukan ARN untuk versi model Anda, yang harus didaftarkan ke grup model di Model Registry.

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

#Role to give SageMaker 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
)

Untuk membuat model (menggunakanAPI)

Contoh berikut menggunakan AWS SDKfor Python (Boto3) untuk memanggil. CreateModelAPI Tentukan nilai-nilai berikut ini:

  • Untuk sagemaker_role, Anda dapat menggunakan peran default SageMaker yang dibuat atau SageMaker IAM peran yang disesuaikan dari Langkah 4 Lengkapi prasyarat bagian.

  • Untukmodel_url, tentukan Amazon S3 URI ke model Anda.

  • Untukcontainer, ambil wadah yang ingin Anda gunakan dengan ECR jalur Amazon-nya. Contoh ini menggunakan XGBoost kontainer SageMaker -provided. Jika Anda belum memilih SageMaker wadah atau membawa sendiri, lihat Langkah 6 Lengkapi prasyarat bagian untuk informasi lebih lanjut.

  • Untukmodel_name, masukkan nama untuk model.

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

#Role to give SageMaker 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,
    }]
)

Untuk membuat model (menggunakan konsol)

  1. Masuk ke SageMakerkonsol Amazon.

  2. Di tab navigasi, pilih Inferensi.

  3. Selanjutnya, pilih Model.

  4. Pilih Buat model.

  5. Untuk nama Model, masukkan nama untuk model yang unik untuk akun Anda dan Wilayah AWS.

  6. Untuk IAMperan, pilih IAM peran yang telah Anda buat (lihatLengkapi prasyarat) atau izinkan SageMaker untuk membuatnya untuk Anda.

  7. Dalam definisi Container 1, untuk opsi input Container, pilih Menyediakan artefak model dan lokasi input.

  8. Untuk Menyediakan artefak model dan opsi gambar inferensi, pilih Gunakan model tunggal.

  9. Untuk Lokasi gambar kode inferensi, masukkan ECR jalur Amazon ke wadah. Gambar harus berupa gambar pihak pertama SageMaker yang disediakan (misalnya TensorFlow,XGBoost) atau gambar yang berada di ECR repositori Amazon dalam akun yang sama tempat Anda membuat titik akhir. Jika Anda tidak memiliki wadah, kembali ke Langkah 6 Lengkapi prasyarat bagian untuk informasi lebih lanjut.

  10. Untuk Lokasi artefak model, masukkan Amazon URI S3 ke model ML Anda. Misalnya, s3://amzn-s3-demo-bucket/models/model.tar.gz.

  11. (Opsional) Untuk Tag, tambahkan pasangan nilai kunci untuk membuat metadata untuk model Anda.

  12. Pilih Buat model.