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

Amazon SageMaker AI에서 알고리즘 및 모델 개발

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

SageMaker AI에서 알고리즘 개발

알고리즘은 SageMaker AI에서 사용하기 위해 Docker 컨테이너로 패키징되고 Amazon ECR에 저장되어야 합니다. Docker 컨테이너에는 훈련 작업을 실행하는 데 사용했던 훈련 코드와, 경우에 따라 알고리즘을 사용하여 훈련한 모델에서 추론을 얻는 데 사용한 추론 코드가 포함되어 있습니다.

SageMaker AI에서 알고리즘을 개발하고 이를 컨테이너로 패키징하는 방법에 대한 자세한 내용은 섹션을 참조하세요모델 훈련 및 배포를 위한 Docker 컨테이너. 알고리즘 컨테이너 생성 방법을 보여주는 전체 예제는 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html에서 제공하는 샘플 노트북을 참조하세요. SageMaker 노트북 인스턴스에서 샘플 노트북을 찾을 수도 있습니다. 노트북은 고급 기능 섹션에 scikit_bring_your_own.ipynb라는 이름으로 표시되어 있습니다. 노트북 인스턴스의 샘플 노트북 사용에 대한 자세한 정보는 예시 노트북 액세스 섹션을 참조하세요.

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

SageMaker AI에서 모델 개발

SageMaker AI의 배포 가능한 모델은 추론 코드, 모델 아티팩트, 리소스에 액세스하는 데 사용되는 IAM 역할 및 SageMaker AI에서 모델을 배포하는 데 필요한 기타 정보로 구성됩니다. 모델 결과물은 기계 학습 알고리즘을 사용하여 모델을 훈련한 결과입니다. 추론 코드는 Docker 컨테이너에 패키징되고 Amazon ECR에 저장됩니다. 모델 아티팩트는 추론 코드와 동일한 컨테이너에 패키징하거나 Amazon S3에 저장할 수 있습니다.

SageMaker AI에서 훈련 작업을 실행하거나 SageMaker AI 외부에서 기계 학습 알고리즘을 훈련하여 모델을 생성합니다. SageMaker AI에서 훈련 작업을 실행하는 경우 DescribeTrainingJob 작업 호출에 대한 응답으로 결과 모델 아티팩트를 ModelArtifacts 필드에서 사용할 수 있습니다. SageMaker AI 모델 컨테이너를 개발하는 방법에 대한 자세한 내용은 섹션을 참조하세요사용자 지정 추론 코드가 있는 컨테이너. SageMaker AI 외부에서 훈련된 모델에서 모델 컨테이너를 생성하는 방법에 대한 전체 예제는 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html 샘플 노트북을 참조하세요. SageMaker 노트북 인스턴스에서 샘플 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 예시 노트북 액세스 섹션을 참조하세요.

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