모델 컴파일(Amazon SageMaker SDK) - Amazon SageMaker

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

모델 컴파일(Amazon SageMaker SDK)

Amazon SageMaker SDK for Pythoncompile_modelAPI에서 를 사용하여 훈련된 모델을 컴파일하고 특정 대상 하드웨어에 최적화할 수 있습니다. 는 모델 훈련 중에 사용되는 추정기 객체에 호출되어야 API 합니다.

참고

MXNet 또는 로 모델을 컴파일500할 때는 MMS_DEFAULT_RESPONSE_TIMEOUT 환경 변수를 로 설정해야 합니다 PyTorch. 환경 변수는 에 필요하지 않습니다 TensorFlow.

다음은 trained_model_estimator 객체를 사용하여 모델을 컴파일하는 방법의 예시입니다.

# Replace the value of expected_trained_model_input below and
# specify the name & shape of the expected inputs for your trained model
# in json dictionary form
expected_trained_model_input = {'data':[1, 784]}

# Replace the example target_instance_family below to your preferred target_instance_family
compiled_model = trained_model_estimator.compile_model(target_instance_family='ml_c5',
        input_shape=expected_trained_model_input,
        output_path='insert s3 output path',
        env={'MMS_DEFAULT_RESPONSE_TIMEOUT': '500'})

코드는 모델을 컴파일하고, 최적화된 모델을 에 저장하고output_path, 엔드포인트에 배포할 수 있는 SageMaker 모델을 생성합니다. PythonSDK용 를 사용하는 샘플 노트북은 Neo 모델 컴파일 샘플 노트북 섹션에 나와 있습니다.