Completa i prerequisiti

Per completare i prerequisiti

1. Configura un AWS account. Per prima cosa sono necessari un AWS account e un utente AWS Identity and Access Management amministratore. Per istruzioni su come configurare un AWS account, vedi Come posso creare e attivare un nuovo AWS account? . Per istruzioni su come proteggere l’account con un utente amministratore IAM, consultare Creazione del primo utente e gruppo di amministratori IAM nella Guida per l’utente IAM.

2. Creare un bucket Amazon S3. Usare un bucket Amazon S3 per archiviare gli artefatti del modello. Per informazioni su come creare un bucket, consultare Creare il primo bucket S3 nella Guida per l’utente di Amazon S3.

3. Caricare gli artefatti del modello nel bucket S3. Per istruzioni su come caricare il modello nel bucket, consultare Carica un oggetto nel bucket nella Guida per l’utente di Amazon S3.

4. Crea un ruolo IAM per Amazon SageMaker AI. Amazon SageMaker AI deve accedere al bucket S3 che memorizza il tuo modello. Crea un ruolo IAM con una policy che consenta all' SageMaker IA di accedere in lettura al tuo bucket. La procedura seguente mostra come creare un ruolo nella console, ma puoi anche utilizzare l'CreateRoleAPI della IAM User Guide. Per informazioni su come concedere al ruolo autorizzazioni più granulari in base al caso d'uso, consultare Come utilizzare i ruoli di esecuzione dell' SageMaker IA.

   1. Accedere alla console IAM.

   2. Nella barra di navigazione, scegliere Ruoli.

   3. Selezionare Create Role (Crea ruolo).

   4. Per Seleziona il tipo di entità affidabile, scegli AWS il servizio, quindi scegli SageMaker AI.

   5. Scegliere Prossimo: Autorizzazioni, quindi Prossimo: Tag.

   6. (Facoltativo) Aggiungere tag come coppie chiave-valore se si desidera avere metadati per il ruolo.

   7. Scegliere Prossimo: Rivedi.

   8. In Nome ruolo, inserisci un nome per il nuovo ruolo che sia unico all'interno del tuo AWS account. Non è possibile modificare il nome del ruolo dopo averlo creato.

   9. (Facoltativo) In Descrizione ruolo, immettere una descrizione per il nuovo ruolo.

   10. Scegliere Crea ruolo.

5. Associa le autorizzazioni del bucket S3 al tuo SageMaker ruolo AI. Dopo aver creato un ruolo IAM, allega una policy che autorizzi l' SageMaker IA ad accedere al bucket S3 contenente gli artefatti del modello.

   1. Nella scheda di navigazione della console IAM, scegliere Ruoli.

   2. Dall'elenco dei ruoli, cercare per nome il ruolo creato nella fase precedente.

   3. Scegli il tuo ruolo, quindi scegli Collega policy.

   4. In Collega autorizzazioni, scegli Crea policy.

   5. Seleziona la visualizzazione Crea policy e quindi la scheda JSON.

   6. Nell'editor JSON, aggiungi la seguente istruzione della policy. Assicurati di sostituire <your-bucket-name> con il nome del bucket S3 che memorizza gli artefatti del modello. Se desideri limitare l'accesso a una cartella o a un file specifico nel bucket, puoi anche specificare il percorso della cartella Amazon S3, ad esempio <your-bucket-name>/<model-folder>.

      {
          "Version": "2012-10-17",
          "Statement": [
              {
                  "Sid": "VisualEditor0",
                  "Effect": "Allow",
                  "Action": "s3:GetObject",
                  "Resource": "arn:aws:s3:::<your-bucket-name>/*"
              }
          ]
      }

   7. Scegli Successivo: Tag.

   8. (Facoltativo) Aggiungere tag alla policy nelle coppie chiave-valore.

   9. Scegli Prossimo: Rivedi.

   10. Per Nome, inserire un nome per la nuova policy.

   11. (Facoltativo) Aggiungere una Descrizione per la policy.

   12. Scegli Create Policy (Crea policy).

   13. Dopo aver creato la policy, torna a Roles nella console IAM e seleziona il tuo ruolo AI. SageMaker

   14. Scegli Collega policy.

   15. Per Collega autorizzazioni, cercare la policy creata per nome. Selezionarla e scegliere Collega policy.

6. Selezionare un'immagine preconfigurata del container Docker oppure crearne una personalizzata. Il contenitore che scegli serve per l'inferenza sul tuo endpoint. SageMaker L'intelligenza artificiale fornisce contenitori per algoritmi integrati e immagini Docker predefinite per alcuni dei framework di machine learning più comuni, come Apache, e Chainer. MXNet TensorFlow PyTorch Per un elenco completo delle immagini SageMaker AI disponibili, consulta Available Deep Learning Containers Images.

   Se nessuno dei contenitori SageMaker AI esistenti soddisfa le tue esigenze, potresti dover creare il tuo contenitore Docker. Per informazioni su come creare l'immagine Docker e renderla compatibile con l' SageMaker intelligenza artificiale, consulta. Contenitori con codice di inferenza personalizzato Per utilizzare il contenitore con un endpoint serverless, l'immagine del contenitore deve risiedere in un repository Amazon ECR all'interno dello stesso AWS account che crea l'endpoint.

7. (Facoltativo) Registrare il proprio modello con Model Registry. SageMaker Model Registry ti aiuta a catalogare e gestire le versioni dei tuoi modelli da utilizzare nelle pipeline ML. Per ulteriori informazioni sulla registrazione di una versione del modello, consultare Creazione di un gruppo di modelli e Registrazione di una versione del modello. Per un esempio di flusso di lavoro Model Registry e Serverless Inference, vedere il seguente notebook di esempio.

8. (Facoltativo) Porta una AWS KMS chiave. Quando configuri un endpoint serverless, hai la possibilità di specificare una chiave KMS che l' SageMaker IA utilizza per crittografare la tua immagine Amazon ECR. Tenere presente che la policy della chiave per la chiave KMS deve concedere l'accesso al ruolo IAM specificato durante la configurazione endpoint. Per ulteriori informazioni sulle chiavi KMS, consultare la AWS Key Management Service Guida per gli sviluppatori di .