사전 조건 완료 - Amazon SageMaker AI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

사전 조건 완료

모델을 패키징하려면 다음을 수행하여야 합니다.

  1. SageMaker AI Neo로 기계 학습 모델을 컴파일합니다.

    아직 컴파일하지 않았다면 SageMaker Neo로 모델을 컴파일합니다. 모델 컴파일 방법에 대한 자세한 정보는Neo로 모델 컴파일 및 배포하기에서 확인하세요. SageMaker Neo를 처음 사용하는 경우 Neo Edge 디바이스 시작하기를 참조하십시오.

  2. 컴파일 작업 이름을 가져옵니다.

    SageMaker Neo로 모델을 컴파일할 때 사용한 컴파일 작업 이름의 이름을 입력합니다. 에서 SageMaker AI 콘솔을 열고 컴파일 작업을 https://console.aws.amazon.com/sagemaker/ 선택하여 AWS 계정에 제출된 컴파일 목록을 찾습니다. 제출된 컴파일 작업 이름은 이름 열에 있습니다

  3. 를 가져옵니다IAMARN.

    모델을 다운로드 및 업로드하고 SageMaker Neo에 문의하는 데 사용할 수 있는 IAM 역할의 Amazon 리소스 이름(ARN)이 필요합니다.

    다음 방법 중 하나를 사용하여 IAM를 가져옵니다. ARN

    • SageMaker AI Python을 사용하여 프로그래밍 방식으로 SDK

      import sagemaker

# Initialize SageMaker Session object so you can interact with AWS resources
sess = sagemaker.Session()

# Get the role ARN 
role = sagemaker.get_execution_role()

print(role)
>> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>

      SageMaker Python 사용에 대한 자세한 내용은 SageMaker AI Python SDK API을 SDK참조하세요.

    • AWS Identity and Access Management (IAM) 콘솔 사용

      IAM 콘솔(https://console.aws.amazon.com/iam/)로 이동합니다. IAM 리소스 섹션에서 역할을 선택하여 계정 AWS 의 역할 목록을 봅니다. AmazonSageMakerFullAccess, AWSIoTFullAccess, AmazonS3FullAccess이(가) 있는 역할을 선택하거나 생성합니다.

      IAM에 대한 자세한 내용은 IAM 소개를 참조하세요.

  4. S3 버킷이 있습니다URI.

    Neo 컴파일 모델, Edge Manager 패키징 작업의 출력 및 디바이스 플릿의 샘플 데이터를 저장URI하려면 Amazon Simple Storage Service(Amazon S3) 버킷이 하나 이상 있어야 합니다.

    다음 중 한 가지 방법으로 Amazon S3 버킷을 생성합니다.

    • SageMaker AI Python을 사용하여 프로그래밍 방식으로 SDK

      세션 중에 기본 Amazon S3 버킷을 사용할 수 있습니다. 기본 버킷은 sagemaker-{region}-{aws-account-id} 형식을 기반으로 생성됩니다. SageMaker Python을 사용하여 기본 버킷을 생성하려면 다음을 SDK사용합니다.

      import sagemaker

session=sagemaker.create_session()

bucket=session.default_bucket()

    • Amazon S3 콘솔 사용

      에서 Amazon S3 콘솔을 열고 지침은 S3 버킷을 생성하려면 어떻게 해야 합니까?를 https://console.aws.amazon.com/s3/ 참조하세요 step-by-step.