Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Sviluppa algoritmi e modelli in Amazon SageMaker

Prima di poter creare algoritmi e modelli di risorse per pacchetti da utilizzare in Amazon SageMaker o pubblicarle su Marketplace AWS, devi svilupparle e impacchettarle in contenitori Docker.

Sviluppa algoritmi in SageMaker

Un algoritmo deve essere impacchettato come contenitore docker e archiviato in Amazon ECR per utilizzarlo. SageMaker Il container Docker contiene il codice di training utilizzato per eseguire i processi di training e, facoltativamente, il codice di inferenza utilizzato per ottenere le inferenze dai modelli con training mediante l'algoritmo.

Per informazioni sullo sviluppo di algoritmi SageMaker e sul loro imballaggio come contenitori, consulta. Utilizzo dei container Docker per creare modelli Per un esempio completo di come creare un contenitore di algoritmi, consultate il taccuino di esempio all'indirizzo https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. È inoltre possibile trovare il notebook di esempio in un'istanza di SageMaker notebook. Il notebook si trova nella sezione Funzionalità avanzate ed è denominato scikit_bring_your_own.ipynb. Per informazioni su come utilizzare i notebook di esempio in un'istanza notebook, consulta Notebook di esempio.

Testa sempre a fondo i tuoi algoritmi prima di creare risorse algoritmiche su Marketplace AWS cui pubblicare.

Sviluppa modelli in SageMaker

Un modello implementabile in SageMaker è costituito da codice di inferenza, artefatti del modello, un ruolo IAM utilizzato per accedere alle risorse e altre informazioni necessarie per implementare il modello in. SageMaker Gli artefatti del modello sono i risultati del training di un modello eseguito con un algoritmo di Machine Learning. Il codice di inferenza deve essere compresso in un container Docker e archiviato in Amazon ECR. Gli artefatti del modello possono essere compressi nello stesso container del codice di inferenza oppure possono essere archiviati in Amazon S3.

È possibile creare un modello eseguendo un processo di formazione in o addestrando un SageMaker algoritmo di apprendimento automatico all'esterno di. SageMaker Se si esegue un processo di formazione in SageMaker, gli artefatti del modello risultanti sono disponibili sul ModelArtifacts campo in risposta a una chiamata all'DescribeTrainingJoboperazione. Per informazioni su come sviluppare un contenitore SageMaker modello, vedere. Utilizzo del tuo codice di inferenza Per un esempio completo di come creare un contenitore modello da un modello addestrato all'esterno SageMaker, consultate il taccuino di esempio all'indirizzo https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. È inoltre possibile trovare il notebook di esempio in un'istanza di SageMaker notebook. Il notebook si trova nella sezione Funzionalità avanzate ed è denominato xgboost_bring_your_own_model.ipynb. Per informazioni su come utilizzare i notebook di esempio in un'istanza notebook, consulta Notebook di esempio.

Testa sempre a fondo i tuoi modelli prima di creare pacchetti di modelli su cui pubblicare Marketplace AWS.