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。

# SageMaker AI でのモデルのデプロイ
<a name="model-deploy-mlops"></a>

モデルを本番環境向けにトレーニングして承認したら、SageMaker AI を使用してモデルをエンドポイントにデプロイし、リアルタイム推論を実行できます。SageMaker AI は複数の推論オプションを提供しているため、ワークロードに最適なオプションを選択できます。また、最適なパフォーマンスを得るために必要なインスタンスタイプとインスタンス数を選択してエンドポイントを設定します。デプロイポリシーの詳細については、「[推論のためのモデルをデプロイする](deploy-model.md)」を参照してください。



モデルを本番環境にデプロイしたら、現在のモデルの可用性を維持しながら、モデルのパフォーマンスをさらに最適化する方法を模索したくなるかもしれません。例えば、シャドウテストを設定して、変更を確定する前に、別のモデルやモデルを提供するインフラストラクチャを試してみることができます。SageMaker AI は、新しいモデル、コンテナ、またはインスタンスをシャドウ モードでデプロイし、同じエンドポイント内で推論リクエストのコピーをリアルタイムでルーティングします。シャドウバリアントの応答を比較できるようにログに記録できます。シャドウテストの詳細については、「[シャドウテスト](shadow-tests.md)」を参照してください。先に進んでモデルを変更する場合は、デプロイガードレールによって現在のモデルから新しいモデルへの切り替えを制御できます。トラフィックシフトプロセスのブルー/グリーンテストやカナリアテストなどの方法を選択して、更新中もきめ細かな制御を維持できます。デプロイガードレールの詳細については、「[本番環境でモデルを更新するためのデプロイガードレール](deployment-guardrails.md)」を参照してください。