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。
モデルを作成する
モデルを作成するには、モデルのアーティファクトとコンテナイメージの場所を指定する必要があります。SageMaker モデルレジストリからモデルのバージョンを使用することもできます。以下のセクションの例では、CreateModel API、Model Registry、Amazon Amazon SageMakerコンソール
モデルを作成するには (モデルレジストリを使用)
Model Registry は SageMaker AI の機能であり、ML パイプラインで使用するモデルのバージョンをカタログ化および管理する際に役立ちます。サーバーレス推論でモデルレジストリを使用するには、最初にモデルレジストリのモデルグループにモデルのバージョンを登録する必要があります。モデルレジストリにモデルを登録する方法については、「モデルグループを作成する」および「モデルバージョンを登録する」の手順に従ってください。
次の例では、登録されたモデルのバージョンの ARN が必要で、AWS SDK for Python (Boto3)
model_name
に、モデルの名前を入力します。では
sagemaker_role
、デフォルトの SageMaker AI 作成ロール、または の前提条件を満たすセクションのステップ 4 のカスタマイズされた SageMaker AI IAM ロールを使用できます。ModelPackageName
には、モデルのバージョンの ARN を指定します。モデルレジストリのモデルグループに登録されている必要があります。
#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 )
モデルを作成するには (API を使用)
次の例では、AWS SDK for Python (Boto3)
sagemaker_role,
では、デフォルトの SageMaker AI 作成ロール、または の前提条件を満たすセクションのステップ 4 のカスタマイズされた SageMaker AI IAM ロールを使用できます。model_url
には、Amazon S3 URI をモデルに指定します。-
container
には、Amazon ECR パスで使用するコンテナを取得します。この例では、SageMaker AI が提供する XGBoost コンテナを使用します。SageMaker AI コンテナを選択していない場合、または独自のコンテナを持ち込んだ場合は、 の前提条件を満たす「」セクションのステップ 6 を参照してください。 model_name
に、モデルの名前を入力します。
#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, }] )
モデルを作成するには (コンソールを使用)
Amazon SageMaker AI コンソール
にサインインします。 -
[ナビゲーション] タブで、[Inference] (推論) を選択します。
-
次に、[Models] (モデル) を選択します。
-
[モデルの作成] を選択します。
-
モデル名に、アカウントと に固有のモデルの名前を入力します AWS リージョン。
-
IAM ロールの場合は、既に作成した IAM ロールを選択するか (「」を参照 の前提条件を満たす)、SageMaker AI にロールの作成を許可します。
-
[Container input option] (コンテナ入力オプション) の [Container definition 1] (コンテナの定義 1) で、[Provide model artifacts and input location] (モデルのアーティファクトと入力場所を指定する) を選択します。
-
[Provide model artifacts and inference image options] (モデルアーティファクトと推論イメージオプションを指定する) で、[Use a single model] (単一のモデルを使用する) を選択します。
-
[Location of inference code image] (推論コードイメージの場所) に、コンテナへの Amazon ECR パスを入力します。イメージは、SageMaker AI が提供するファーストパーティーイメージ (TensorFlow、XGBoost など) であるか、エンドポイントを作成するのと同じアカウント内の Amazon ECR リポジトリに存在するイメージである必要があります。コンテナがない場合は、「 の前提条件を満たす」セクションのステップ 6 に戻り、詳細を参照してください。
-
[Location of model artifacts] (モデルアーティファクトの場所) に、ML モデルへの Amazon S3 URI を入力します。例えば、
と指定します。s3://amzn-s3-demo-bucket/models/model.tar.gz
-
(オプション) [Tags] (タグ) では、キーバリューペアを追加して、モデルのメタデータを作成します。
-
[モデルの作成] を選択します。