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 AI

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

Desenvolva algoritmos em SageMaker IA

Um algoritmo deve ser empacotado como um contêiner docker e armazenado no Amazon ECR para ser usado na IA. 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 em SageMaker IA e empacotá-los como contêineres, consulteContêineres do 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 caderno está na seção Funcionalidade avançada e se chama scikit_bring_your_own.ipynb. Para obter informações sobre como usar os cadernos de amostra em uma instância de caderno, consulte Cadernos de exemplo de acesso.

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

Desenvolva modelos em SageMaker IA

Um modelo implantável em SageMaker IA consiste em código de inferência, artefatos de modelo, uma função do IAM usada para acessar recursos e outras informações necessárias para implantar o modelo na IA. 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 de Docker e armazenado no 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 IA ou treinando um algoritmo de aprendizado de máquina fora da SageMaker IA. Se você executar um trabalho de treinamento em SageMaker IA, 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 modelo de SageMaker IA, consulteContêineres com código de inferência personalizado. Para ver um exemplo completo de como criar um contêiner de modelo a partir de um modelo treinado fora da SageMaker IA, 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 caderno está na seção Funcionalidade avançada e se chama xgboost_bring_your_own_model.ipynb. Para obter informações sobre como usar os cadernos de amostra em uma instância de caderno, consulte Cadernos de exemplo de acesso.

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