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 でのアルゴリズムとモデルの開発 SageMaker

Amazon で使用するアルゴリズムとモデルパッケージリソースを作成する SageMaker か AWS Marketplace、 に一覧表示する前に、それらを開発して Docker コンテナにパッケージ化する必要があります。

でアルゴリズムを開発する SageMaker

アルゴリズムは Docker コンテナとしてパッケージ化され、Amazon に保存ECRして で使用する必要があります SageMaker。Docker コンテナには、トレーニングジョブを実行するために使用されるトレーニングコード、およびオプションで、アルゴリズムを使用してトレーニングされたモデルから推論を取得するために使用される推論コードが含まれています。

でアルゴリズムを開発 SageMaker し、コンテナとしてパッケージングする方法については、「」を参照してくださいモデルのトレーニングとデプロイのための Docker コンテナ。アルゴリズムコンテナを作成する方法の完全な例については、 のサンプルノートブックを参照してくださいhttps://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html。サンプルノートブックはノートブック SageMaker インスタンスで見つけることもできます。このノートブックはアドバンスト機能セクションにあり、scikit_bring_your_own.ipynb という名前が付いています。ノートブックインスタンスでのサンプルノートブックの使い方については、「ノートブックの例にアクセスする」を参照してください。

で公開するアルゴリズムリソースを作成する前に、常にアルゴリズムを徹底的にテストしてください AWS Marketplace。

でモデルを開発する SageMaker

のデプロイ可能なモデルは、推論コード、モデルアーティファクト、リソースへのアクセスに使用されるIAMロール、および でモデルをデプロイするために必要なその他の情報 SageMaker で構成されます SageMaker。モデルアーティファクトは、機械学習アルゴリズムを使用してモデルをトレーニングした結果です。推論コードは Docker コンテナにパッケージ化され、Amazon に保存されている必要がありますECR。モデルアーティファクトは、推論コードと同じコンテナでパッケージ化するか、Amazon S3 に保存します。

モデルを作成するには、 でトレーニングジョブを実行するか SageMaker、 の外部で機械学習アルゴリズムをトレーニングします SageMaker。でトレーニングジョブを実行すると SageMaker、結果のモデルアーティファクトは、 DescribeTrainingJob オペレーションへの呼び出しに対する応答の ModelArtifactsフィールドで使用できます。 SageMaker モデルコンテナを開発する方法については、「」を参照してくださいカスタム推論コードを持つコンテナ。の外部でトレーニングされたモデルからモデルコンテナを作成する方法の完全な例については SageMaker、「」のサンプルノートブックを参照してくださいhttps://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html。サンプルノートブックはノートブック SageMaker インスタンスで見つけることもできます。このノートブックはアドバンスト機能セクションにあり、xgboost_bring_your_own_model.ipynb という名前が付いています。ノートブックインスタンスでのサンプルノートブックの使い方については、「ノートブックの例にアクセスする」を参照してください。

で公開するモデルパッケージを作成する前に、常にモデルを徹底的にテストしてください AWS Marketplace。