As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Desenvolva algoritmos e modelos na Amazon SageMaker

Antes de criar recursos de pacotes de algoritmos e modelos para usar na Amazon SageMaker ou listá-los AWS Marketplace, você precisa desenvolvê-los e empacotá-los em contêineres do Docker.

Desenvolva algoritmos em SageMaker

Um algoritmo deve ser empacotado como um contêiner docker e armazenado na ECR Amazon para ser usado. SageMaker O contêiner de Docker inclui o código de treinamento usado para executar trabalhos de treinamento e, opcionalmente, o código de inferência usado para obter inferências de modelos treinados usando o algoritmo.

Para obter informações sobre como desenvolver algoritmos SageMaker e empacotá-los como contêineres, consulteContêineres Docker para treinamento e implantação de modelos. Para ver um exemplo completo de como criar um contêiner de algoritmo, consulte o caderno de amostra em https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. Você também pode encontrar o caderno de amostra em uma instância do SageMaker notebook. O bloco de anotações está na seção Funcionalidade avançada e se chama scikit_bring_your_own.ipynb. Para obter informações sobre como usar os blocos de anotações de amostra em uma instância de bloco de anotações, consulte Acesse exemplos de cadernos.

Sempre teste minuciosamente seus algoritmos antes de criar recursos de algoritmo para publicar AWS Marketplace.

Desenvolva modelos em SageMaker

Um modelo implantável SageMaker consiste em código de inferência, artefatos de modelo, uma IAM função usada para acessar recursos e outras informações necessárias para implantar o modelo. SageMaker Artefatos de modelo são os resultados do treinamento de um modelo usando um algoritmo de machine learning. O código de inferência deve ser empacotado em um contêiner Docker e armazenado na Amazon. ECR Você pode empacotar os artefatos do modelo no mesmo contêiner que o código de inferência ou armazená-los no Amazon S3.

Você cria um modelo executando um trabalho de treinamento em SageMaker ou treinando um algoritmo de aprendizado de máquina fora do SageMaker. Se você executar um trabalho de treinamento em SageMaker, os artefatos do modelo resultante estarão disponíveis no ModelArtifacts campo na resposta a uma chamada para a DescribeTrainingJoboperação. Para obter informações sobre como desenvolver um contêiner de SageMaker modelo, consulteContêineres com código de inferência personalizado. Para obter um exemplo completo de como criar um contêiner de modelo a partir de um modelo treinado fora da SageMaker, consulte o exemplo de caderno em https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html. Você também pode encontrar o caderno de amostra em uma instância do SageMaker notebook. O bloco de anotações está na seção Funcionalidade avançada e se chama xgboost_bring_your_own_model.ipynb. Para obter informações sobre como usar os blocos de anotações de amostra em uma instância de bloco de anotações, consulte Acesse exemplos de cadernos.

Sempre teste minuciosamente seus modelos antes de criar pacotes de modelos para publicar AWS Marketplace.