Creazione di un modello - Amazon SageMaker AI
Per creare un modello (utilizzando Model Registry)Per creare un modello (utilizzando l'API)Per creare un modello (utilizzando la console)

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.

Creazione di un modello

Per creare il modello è necessario fornire la posizione degli artefatti del modello e l'immagine del container. Puoi anche utilizzare una versione del SageMaker modello da Model Registry. Gli esempi nelle sezioni seguenti mostrano come creare un modello utilizzando l'CreateModelAPI, il Model Registry e la console Amazon SageMaker AI.

Per creare un modello (utilizzando Model Registry)

Model Registry è una funzionalità dell' SageMaker intelligenza artificiale che ti aiuta a catalogare e gestire le versioni del tuo modello da utilizzare nelle pipeline ML. Per utilizzare Model Registry con Serverless Inference è necessario prima registrare una versione del modello in un gruppo di modelli di Model Registry. Per informazioni su come registrare un modello in Model Registry, seguire le procedure in Creazione di un gruppo di modelli e Registrazione di una versione del modello.

L'esempio seguente richiede l'ARN di una versione registrata del modello e utilizza l'AWS SDK for Python (Boto3) per chiamare l'API. CreateModel Per Serverless Inference, Model Registry è attualmente supportato solo dall' AWS SDK for Python (Boto3). Per l'esempio, specificare i valori seguenti:

  • Per model_name, inserire un nome per il modello.

  • Infattisagemaker_role, puoi utilizzare il ruolo predefinito SageMaker creato dall'intelligenza artificiale o un ruolo IAM SageMaker AI personalizzato dal passaggio 4 della sezione. Completa i prerequisiti

  • Per ModelPackageName, specificare l'ARN per la versione del modello, che deve essere registrata su un gruppo di modelli in Model Registry.

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

#Role to give SageMaker AI 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
)

Per creare un modello (utilizzando l'API)

L'esempio seguente utilizza l'AWS SDK for Python (Boto3) per chiamare l'API. CreateModel Specifica i seguenti valori:

  • sagemaker_role,Puoi infatti utilizzare il ruolo predefinito SageMaker creato dall'intelligenza artificiale o un ruolo IAM SageMaker AI personalizzato dal passaggio 4 della sezione. Completa i prerequisiti

  • Per model_url, specificare l'URI di Amazon S3 per il proprio modello.

  • Per container, recuperare il container che si desidera utilizzare tramite il relativo percorso Amazon ECR. Questo esempio utilizza un contenitore fornito dall' SageMaker intelligenza artificiale XGBoost . Se non hai selezionato un contenitore SageMaker AI o ne hai portato uno tuo, consulta il passaggio 6 della Completa i prerequisiti sezione per ulteriori informazioni.

  • Per model_name, inserire un nome per il modello.

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

#Role to give SageMaker AI 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,
    }]
)

Per creare un modello (utilizzando la console)

  1. Accedi alla console Amazon SageMaker AI.

  2. Nella scheda di navigazione, scegliere Inferenza.

  3. Dopodiché, scegliere Modelli.

  4. Scegliere Crea modello.

  5. In Nome modello, inserisci un nome per il modello che sia univoco per il tuo account e Regione AWS.

  6. Per il ruolo IAM, seleziona un ruolo IAM che hai già creato (vediCompleta i prerequisiti) o consenti all' SageMaker IA di crearne uno per te.

  7. In Definizione container 1, per Opzioni di input del container, selezionare Fornisci gli artefatti del modello e la posizione di input.

  8. Per Fornisci artefatti del modello e opzioni di immagine di inferenza, selezionare Utilizza un singolo modello.

  9. Per Posizione dell'immagine del codice di inferenza, inserisci un percorso Amazon ECR verso un container. L'immagine deve essere un'immagine di prima parte SageMaker fornita dall'intelligenza artificiale (ad esempio TensorFlow XGBoost) o un'immagine che risiede in un repository Amazon ECR all'interno dello stesso account in cui stai creando l'endpoint. Se non disponi di un container, torna alla fase 6 della sezione Completa i prerequisiti per ulteriori informazioni.

  10. Per Posizione degli artefatti dei modelli, inserire l'URI di Amazon S3 nel proprio modello ML. Ad esempio s3://amzn-s3-demo-bucket/models/model.tar.gz.

  11. (Facoltativo) Per Tag, aggiungere coppie chiave-valore per creare metadati per il modello.

  12. Scegli Crea modello.