기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Autopilot모델을 훈련시킨 후 엔드포인트를 설정하고 대화형 방식으로 예측을 획득할 수 있습니다. 다음 섹션에서는 모델을 SageMaker AI 실시간 추론 엔드포인트에 배포하여 모델에서 예측을 가져오는 단계를 설명합니다.
실시간 추론
실시간 추론은 실시간, 대화형, 짧은 지연 시간이 요구되는 추론 워크로드에 적합합니다. 이 섹션에서는 실시간 추론을 사용하여 모델에서 대화형 방식으로 예측을 얻는 방법을 보여줍니다.
SageMaker API를 사용하여 다음과 같이 Autopilot 실험에서 최상의 검증 지표를 생성한 모델을 수동으로 배포할 수 있습니다.
또는 Autopilot 실험을 생성할 때 자동 배포 옵션을 선택할 수도 있습니다. 모델 자동 배포 설정에 대한 자세한 내용은 CreateAutoMLJobV2의 요청 파라미터에서 ModelDeployConfig를 참조하세요. 그러면 엔드포인트가 자동으로 생성됩니다.
참고
불필요한 요금이 발생하지 않도록 모델 배포에서 생성된 불필요한 엔드포인트와 리소스를 삭제할 수 있습니다. 리전별 인스턴스 요금에 대한 자세한 내용은 Amazon SageMaker AI 요금을
-
후보 컨테이너 정의 획득
추론 컨테이너에서 후보 컨테이너 정의를 가져옵니다. 추론에 대한 컨테이너 정의는 훈련된 SageMaker AI 모델을 배포하고 실행하여 예측하도록 설계된 컨테이너화된 환경을 말합니다.
다음 AWS CLI 명령 예제에서는 DescribeAutoMLJobV2 API를 사용하여 최상의 모델 후보에 대한 후보 정의를 가져옵니다.
aws sagemaker describe-auto-ml-job-v2 --auto-ml-job-namejob-name--regionregion -
후보 나열
다음 AWS CLI 명령 예제에서는 ListCandidatesForAutoMLJob API를 사용하여 모든 모델 후보를 나열합니다.
aws sagemaker list-candidates-for-auto-ml-job --auto-ml-job-name<job-name>--region<region> -
SageMaker AI 모델 생성
이전 단계의 컨테이너 정의와 원하는 후보를 사용하여 CreateModel API를 사용하여 SageMaker AI 모델을 생성합니다. 다음 AWS CLI 명령을 예제로 참조하세요.
aws sagemaker create-model --model-name '<your-candidate-name>' \ --containers ['<container-definition1>,<container-definition2>,<container-definition3>]' \ --execution-role-arn '<execution-role-arn>' --region '<region> -
엔드포인트 구성 생성
다음 AWS CLI 명령 예제에서는 CreateEndpointConfig API를 사용하여 엔드포인트 구성을 생성합니다.
aws sagemaker create-endpoint-config --endpoint-config-name '<your-endpoint-config-name>' \ --production-variants '<list-of-production-variants>' \ --region '<region>' -
엔드포인트 생성
다음 AWS CLI 예제에서는 CreateEndpoint API를 사용하여 엔드포인트를 생성합니다.
aws sagemaker create-endpoint --endpoint-name '<your-endpoint-name>' \ --endpoint-config-name '<endpoint-config-name-you-just-created>' \ --region '<region>'DescribeEndpoint API를 사용하여 엔드포인트 배포 진행 상황을 확인합니다. 다음 AWS CLI 명령을 예제로 참조하세요.
aws sagemaker describe-endpoint —endpoint-name '<endpoint-name>' —region<region>EndpointStatus가InService로 변경되면 엔드포인트를 실시간 추론에 사용할 수 있습니다. -
API 엔드포인트 호출
다음 명령 구조는 실시간 추론을 위해 엔드포인트를 간접적으로 호출합니다.
aws sagemaker invoke-endpoint --endpoint-name '<endpoint-name>' \ --region '<region>' --body '<your-data>' [--content-type] '<content-type>'<outfile>
