翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon SageMaker リソースの作成
モデルパッケージまたはアルゴリズム製品を公開するには、Amazon でそれぞれのモデルパッケージリソースまたはアルゴリズムリソースを作成する必要があります SageMaker。 AWS Marketplace 製品用のリソースを作成するときは、検証ステップを通じて認定を受ける必要があります。検証ステップでは、公開前にモデルパッケージまたはアルゴリズムリソースをテストするためのデータを提供する必要があります。以下のセクションでは、モデルパッケージ SageMaker リソースまたはアルゴリズムリソースのいずれかでリソースを作成する方法を示します。これには、検証を実行する SageMaker 方法を示す検証仕様の設定が含まれます。
注記
製品のイメージをまだ作成しておらず、Amazon Elastic Container Registry (Amazon ECR) にアップロードしていない場合は、その方法については、での機械学習製品のイメージへのコードのパッケージ化 AWS Marketplace「」およびAmazon Elastic Container Registry へのイメージのアップロード「」を参照してください。
トピック
モデルパッケージの作成
AWS Marketplaceのモデルパッケージを作成するための要件は次のとおりです。
-
Amazon ECR
に保存されている推論イメージ -
(オプション) Amazon S3
に個別に保存されているモデルアーティファクト -
Amazon Simple Storage Service (Amazon S3) に保存されている、推論に使用されるテストデータ
注記
以下は、モデルパッケージ製品の作成に関するものです。のモデルパッケージの詳細については SageMaker、「モデルパッケージリソースの作成」を参照してください。
モデルパッケージリソースの作成
以下の手順では、モデルパッケージリソースを作成する方法を順を追って説明します。
ステップ 1: モデルパッケージリソースを作成する
-
Amazon SageMaker コンソール
を開きます。 -
ページの右上を見て、発行元の AWS リージョンにいることを確認します。公開については、「公開 AWS リージョン でサポート」セクションを参照してください。前のステップECRで Amazon にアップロードした推論イメージは、同じリージョンにある必要があります。
-
左側のナビゲーションメニューから [モデルパッケージ] を選択します。
-
[Create model package (モデルパッケージの作成)] を選択します。
パッケージを作成したら、推論パッケージの仕様を設定する必要があります。
ステップ 2: 推論の仕様を設定する
-
モデルパッケージの名前を指定します (例:
my-model-package
). -
推論イメージの場所 には、Amazon にアップロードされた推論イメージURIの を入力しますECR。は、Amazon ECRコンソール
でイメージを検索URIすることで取得できます。 -
トレーニングで得たモデルアーティファクトが推論イメージのロジックにバンドルされている場合、モデルデータアーティファクトの場所は空欄のままにしておきます。それ以外の場合は、モデルアーティファクトの圧縮ファイル (.tar.gz) の、Amazon S3 の完全な場所を指定します。
-
ドロップダウンボックスを使用して、リアルタイム推論 (エンドポイントとも呼ばれる) ジョブとバッチ変換ジョブの両方でサポートされる推論イメージのインスタンスタイプを選択します。
-
[Next (次へ)] を選択します。
モデルパッケージを作成して公開するには、期待どおりに機能するかを確認するための検証が必要です。そのためには、提供した推論用テストデータを使用してバッチ変換ジョブを実行する必要があります。検証仕様では、検証を実行する SageMaker 方法について説明します。
ステップ 3: 検証仕様を設定する
-
[ AWS Marketplaceでこのモデルパッケージを公開する] を [はい] に設定します。これを [いいえ] に設定すると、このモデルパッケージを後で公開することはできません。Yes を選択すると、 のモデルパッケージが認証 AWS Marketplace され、検証ステップが必要です。
-
このプロセスを初めて完了する場合は、ロール の新しいロールを作成する を選択しますIAM。Amazon SageMaker は、モデルパッケージをデプロイするときにこのロールを使用します。これには、Amazon からのイメージのプルECRや Amazon S3 からのアーティファクトなどのアクションが含まれます。設定を確認し、ロールの作成 を選択します。ここでロールを作成すると、 AmazonSageMakerFullAccess
IAMポリシーで説明されているアクセス許可が、作成したロールに付与されます。 -
検証プロファイルJSONで を編集します。許可される値の詳細については、「」を参照してくださいTransformJobDefinition。
-
TransformInput.DataSource.S3Uri
: 推論用のテストデータを保存する場所を設定します。 -
TransformInput.ContentType
: テストデータコンテンツタイプ (、、image/png
、またはその他の値など)application/json
text/plain
を指定します。 SageMaker は実際の入力データを検証しません。この値は、Content-type
ヘッダー値のコンテナHTTPエンドポイントに渡されます。 -
TransformInput.CompressionType
: Amazon S3 の推論用テストデータが圧縮されていない場合はNone
に設定します。 -
TransformInput.SplitType
:None
に設定して、Amazon S3 内の各オブジェクトを推論用にまとめて渡します。 -
TransformOutput.S3OutputPath
: 推論出力が保存される場所に設定します。 -
TransformOutput.AssembleWith
:None
に設定して、各推論を Amazon S3 の個別のオブジェクトとして出力します。
-
-
[Create model package (モデルパッケージの作成)] を選択します。
SageMaker は Amazon から推論イメージをプルしECR、アーティファクトを推論コンテナにコピーし、推論用のテストデータを使用してバッチ変換ジョブを実行します。検証が成功すると、ステータスは [完了済み] に変わります。
注記
検証ステップでは、テストデータによるモデルの精度は評価されません。検証ステップでは、コンテナが実行されて期待どおりに応答するかどうかが確認されます。
モデル製品リソースの作成が完了しました。「AWS Marketplaceでの製品の公開」に進みます。
アルゴリズムの作成
AWS Marketplaceのアルゴリズムを作成するための要件は次のとおりです。
-
Amazon に保存されている推論イメージ ECR
-
Amazon に保存されているトレーニングイメージ ECR
-
Amazon S3 に保存されたトレーニング用テストデータ
-
Amazon S3 に保存された推論用テストデータ
注記
次のウォークスルーでは、アルゴリズム製品を作成します。詳細については、「アルゴリズムリソースを作成する」を参照してください。
アルゴリズムリソースの作成
以下の手順では、アルゴリズムパッケージのリソースを作成する方法を順を追って説明します。
ステップ 1: アルゴリズムリソースを作成する
-
Amazon SageMaker コンソール
を開きます。 -
ページの右上を見て、発行元の AWS リージョンにいることを確認します (「」を参照公開 AWS リージョン でサポート)。前のステップECRで Amazon にアップロードしたトレーニングイメージと推論イメージは、同じリージョンにある必要があります。
-
左のナビゲーションペインで [アルゴリズム] をクリックします。
-
[Create algorithm (アルゴリズムの作成)] を選択します。
アルゴリズムパッケージを作成したら、モデルのトレーニングとチューニングの仕様を設定する必要があります。
ステップ 2: トレーニングとチューニングの仕様を設定する
-
アルゴリズムの名前を入力します (例:
my-algorithm
). -
トレーニングイメージ の場合、Amazon にアップロードされたトレーニングイメージの完全なURI場所を貼り付けますECR。は、Amazon ECRコンソール
でイメージを検索URIすることで取得できます。 -
ドロップダウンボックスを使用して、トレーニングイメージがサポートするトレーニング用のインスタンスタイプを選択します。
-
[チャネルの仕様]セクションで、アルゴリズムがサポートする各入力データセットに 1 つのチャネルを追加します (入力ソースの最大数は 20 チャネル)。詳細については、「入力データ設定」を参照してください。
-
[Next (次へ)] を選択します。
-
アルゴリズムがハイパーパラメータとハイパーパラメータ調整をサポートしている場合は、調整パラメータを指定する必要があります。
-
[Next (次へ)] を選択します。
注記
アルゴリズムがハイパーパラメータ調整をサポートして適切なパラメータを調整できるようになっていることが、強く推奨されます。これにより、データサイエンティストはモデルを調整して最良の結果を得ることができます。
調整パラメータがある場合、そのパラメータを設定したら、推論イメージの仕様を設定する必要があります。
ステップ 3: 推論イメージ仕様を設定する
-
推論イメージの場所 の場合、Amazon にアップロードされた推論イメージURIの を貼り付けますECR。は、Amazon ECRコンソール
でイメージを検索URIすることで取得できます。 -
ドロップダウンボックスを使用して、リアルタイム推論 (エンドポイントとも呼ばれる) ジョブとバッチ変換ジョブの両方でサポートされる推論イメージのインスタンスタイプを選択します。
-
[Next (次へ)] を選択します。
アルゴリズムを作成して公開するには、期待どおりに機能するかを確認するための検証が必要です。そのためには、トレーニング用のテストデータを使用するトレーニングジョブと、提供した推論用テストデータを使用してバッチ変換ジョブの両方を実行する必要があります。検証仕様では、検証を実行する SageMaker 方法について説明します。
ステップ 4: 検証仕様を設定する
-
[ AWS Marketplaceでこのアルゴリズムを公開する]を [はい] に設定します。これを [いいえ] に設定すると、このアルゴリズムを後で公開することができません。Yes を選択すると、 のアルゴリズムが認証 AWS Marketplace され、検証仕様が必要です。
-
の機械学習パッケージを初めて作成する場合は AWS Marketplace、ロール の新しいロールを作成する を選択しますIAM。Amazon は、アルゴリズムをトレーニングし、後続のモデルパッケージをデプロイするときにこのロール SageMaker を使用します。これには、Amazon からイメージをプルするECR、Amazon S3 にアーティファクトを保存する、Amazon S3 からトレーニングデータをコピーするなどのアクションが含まれます。設定を確認し、ロールの作成 を選択します。ここでロールを作成すると、 AmazonSageMakerFullAccess
IAMポリシーで説明されているアクセス許可が、作成したロールに付与されます。 -
トレーニングジョブ定義 の検証プロファイルの JSON ファイルを編集します。許可される値の詳細については、 TrainingJobDefinition「」を参照してください。
-
InputDataConfig
: このJSON配列で、トレーニング仕様ステップで指定したチャネルごとにチャネルオブジェクトを追加します。チャネルごとに、トレーニング用のテストデータを保存する場所を指定します。 -
OutputDataConfig
: トレーニングが完了すると、トレーニングコンテナディレクトリパス/opt/ml/model/
内のモデルアーティファクトが圧縮され、Amazon S3 にコピーされます。圧縮ファイル (.tar.gz) が保存されている Amazon S3 の場所を指定します。
-
-
Transform ジョブ定義 の検証プロファイルの JSON ファイルを編集します。許可される値の詳細については、 TransformJobDefinition「」を参照してください。
-
TransformInput.DataSource.S3Uri
: 推論用のテストデータを保存する場所を設定します。 -
TransformInput.ContentType
: テストデータのコンテンツタイプを指定します。例えば、application/json
、text/plain
、image/png
、またはその他の値です。Amazon SageMaker は実際の入力データを検証しません。この値は、Content-type
ヘッダー値のコンテナHTTPエンドポイントに渡されます。 -
TransformInput.CompressionType
: Amazon S3 の推論用テストデータが圧縮されていない場合はNone
に設定します。 -
TransformInput.SplitType
: S3 内のオブジェクトをどのように分割するかを選択します。例えば、None
では、Amazon S3 内の各オブジェクトが推論用にまとめて渡されます。詳細については、「Amazon SageMaker API リファレンス SplitType」の「」を参照してください。 -
TransformOutput.S3OutputPath
: 推論出力が保存される場所に設定します。 -
TransformOutput.AssembleWith
:None
に設定して、各推論を Amazon S3 の個別のオブジェクトとして出力します。
-
-
[アルゴリズムパッケージの作成] を選択します。
SageMaker は、Amazon からトレーニングイメージをプルしECR、データを使用してテストトレーニングジョブを実行し、モデルアーティファクトを Amazon S3 に保存します。次に、Amazon から推論イメージをプルしECR、Amazon S3 から推論コンテナにアーティファクトをコピーし、推論用のテストデータを使用してバッチ変換ジョブを実行します。検証が成功すると、ステータスは [完了済み] に変わります。
注記
検証ステップでは、テストデータによるトレーニングまたはモデルの精度は評価されません。検証ステップでは、コンテナが実行されて期待どおりに応答するかどうかが確認されます。
検証ステップではバッチ処理のみが検証されます。リアルタイム処理が製品で機能することを検証するのはユーザーしだいです。
アルゴリズム製品リソースの作成が完了しました。「AWS Marketplaceでの製品の公開」に進みます。