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

Amazon에서 알고리즘 및 모델 개발 SageMaker

Amazon SageMaker 또는 의 목록에서 사용할 알고리즘 및 모델 패키지 리소스를 생성하려면 먼저 알고리즘 및 모델 패키지 리소스를 개발하고 Docker 컨테이너에 패키징 AWS Marketplace해야 합니다.

에서 알고리즘 개발 SageMaker

알고리즘은 도커 컨테이너로 패키징하고 Amazon에 저장ECR하여 에서 사용해야 합니다 SageMaker. Docker 컨테이너에는 훈련 작업을 실행하는 데 사용했던 훈련 코드와, 경우에 따라 알고리즘을 사용하여 훈련한 모델에서 추론을 얻는 데 사용한 추론 코드가 포함되어 있습니다.

에서 알고리즘을 개발하고 이를 컨테이너로 SageMaker 패키징하는 방법에 대한 자세한 내용은 섹션을 참조하세요모델 훈련 및 배포를 위한 Docker 컨테이너. 알고리즘 컨테이너를 생성하는 방법에 대한 전체 예제는 의 샘플 노트북을 참조하세요https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. 노트북 인스턴스에서 샘플 SageMaker 노트북을 찾을 수도 있습니다. 노트북은 고급 기능 섹션에 scikit_bring_your_own.ipynb라는 이름으로 표시되어 있습니다. 노트북 인스턴스의 샘플 노트북 사용에 대한 자세한 정보는 예제 노트북 액세스 단원을 참조하세요.

에 게시할 알고리즘 리소스를 생성하기 전에 항상 알고리즘을 철저히 테스트합니다 AWS Marketplace.

에서 모델 개발 SageMaker

의 배포 가능 모델은 추론 코드, 모델 아티팩트, 리소스에 액세스하는 데 사용되는 IAM 역할 및 에서 모델을 배포하는 데 필요한 기타 정보로 SageMaker 구성됩니다 SageMaker. 모델 결과물은 기계 학습 알고리즘을 사용하여 모델을 훈련한 결과입니다. 추론 코드는 Docker 컨테이너에 패키징되어 Amazon 에 저장되어야 합니다ECR. 모델 아티팩트는 추론 코드와 동일한 컨테이너에 패키징하거나 Amazon S3에 저장할 수 있습니다.

에서 훈련 작업을 실행 SageMaker하거나 외부에서 기계 학습 알고리즘을 훈련하여 모델을 생성합니다 SageMaker. 에서 훈련 작업을 실행하는 경우 SageMaker결과 모델 아티팩트는 DescribeTrainingJob 작업에 대한 호출에 대한 응답으로 ModelArtifacts 필드에서 사용할 수 있습니다. SageMaker 모델 컨테이너를 개발하는 방법에 대한 자세한 내용은 섹션을 참조하세요사용자 지정 추론 코드가 있는 컨테이너. 외부에서 훈련된 모델에서 모델 컨테이너를 생성하는 방법에 대한 전체 예제는 의 샘플 노트북을 SageMaker참조하세요https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. 노트북 인스턴스에서 샘플 SageMaker 노트북을 찾을 수도 있습니다. 노트북은 고급 기능 섹션에 xgboost_bring_your_own_model.ipynb라는 이름으로 표시되어 있습니다. 노트북 인스턴스의 샘플 노트북 사용에 대한 자세한 정보는 예제 노트북 액세스 단원을 참조하세요.

에 게시할 모델 패키지를 생성하기 전에 항상 모델을 철저히 테스트합니다 AWS Marketplace.