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.
# Concluir os pré-requisitos do .
O tópico a seguir descreve os pré-requisitos que você deve concluir antes de criar um endpoint sem servidor. Esses pré-requisitos incluem armazenar adequadamente os artefatos do modelo, configurar um AWS IAM com as permissões corretas e selecionar uma imagem de contêiner.
**Como concluir os pré-requisitos**
1. **Configure uma AWS conta.** Primeiro, você precisa de uma AWS conta e de um usuário AWS Identity and Access Management administrador. Para obter instruções sobre como configurar uma AWS conta, consulte [Como faço para criar e ativar uma nova AWS conta?](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/) . Para instruções sobre como proteger sua conta com um usuário administrador do IAM, consulte [Criando seu primeiro usuário administrador do IAM e grupo de usuários](https://docs.aws.amazon.com/IAM/latest/UserGuide/getting-started_create-admin-group.html) no *Guia do usuário do IAM*.
1. **Crie um bucket do Amazon S3**. Você usa um bucket do Amazon S3 para armazenar seus artefatos do modelo. Para saber como criar um bucket, consulte [Criar seu primeiro bucket](https://docs.aws.amazon.com/AmazonS3/latest/userguide/creating-bucket.html) do S3 no *Guia do usuário do Amazon S3*.
1. **Carregar os artefatos do modelo no bucket do S3.** Para obter instruções sobre como carregar seu modelo em seu bucket, consulte [Carregar um objeto em seu bucket](https://docs.aws.amazon.com/AmazonS3/latest/userguide/uploading-an-object-bucket.html) no *Guia do usuário do Amazon S3*.
1. **Crie uma função do IAM para a Amazon SageMaker AI.** A Amazon SageMaker AI precisa acessar o bucket do S3 que armazena seu modelo. Crie uma função do IAM com uma política que dê à SageMaker IA acesso de leitura ao seu bucket. O procedimento a seguir mostra como criar uma função no console, mas você também pode usar a [CreateRole](https://docs.aws.amazon.com/IAM/latest/APIReference/API_CreateRole.html)API do *Guia do usuário do IAM*. Para obter informações sobre como conceder mais permissões granulares à sua função com base no seu caso de uso, consulte [Como usar funções de execução de SageMaker IA](sagemaker-roles.md#sagemaker-roles-createmodel-perms).
1. [Faça login no console do IAM](https://console.aws.amazon.com/iam/).
1. Na guia de navegação, selecione **Funções**.
1. Selecione **Criar função**.
1. Em **Selecionar tipo de entidade confiável**, escolha **AWS serviço** e, em seguida, escolha **SageMaker AI**.
1. Escolha **Próximo: permissões** e, em seguida, escolha **Próximo: tags**.
1. (Opcional) Adicione tags como pares de chave-valor se desejar ter metadados para a função.
1. Escolha **Próximo: revisar**.
1. Em **Nome da função**, insira um nome para a nova função que seja exclusivo em sua AWS conta. Você não pode editar o nome da função depois de criar a função.
1. (Opcional) Em **Descrição do perfil**, insira uma descrição para o novo perfil.
1. Selecione **Criar perfil**.
1. **Anexe permissões de bucket do S3 à sua função de SageMaker IA.** Depois de criar uma função do IAM, anexe uma política que dê permissão à SageMaker IA para acessar o bucket do S3 que contém os artefatos do seu modelo.
1. Na guia de navegação do console do IAM, escolha **Perfis**.
1. Na lista de funções, pesquise a função que você criou na etapa anterior por nome.
1. Escolha sua função e, em seguida, escolha **Anexar políticas**.
1. Em **Anexar permissões**, escolha **Criar política**.
1. Na visualização de **Criar política**, selecione a guia **JSON**.
1. Adicione as seguintes declarações de política no editor JSON: Certifique-se de substituir o `{{}}` pelo nome do bucket do S3 que armazena os artefatos do modelo. Se você deseja restringir o acesso a uma pasta ou arquivo específico em seu bucket, também pode especificar o caminho da pasta do Amazon S3, por exemplo, `{{}}/{{}}`.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Sid": "VisualEditor0",
"Effect": "Allow",
"Action": "s3:GetObject",
"Resource": "arn:aws:s3:::{{}}/*"
}
]
}
```
------
1. Escolha **Próximo: tags**.
1. (Opcional) Adicione tags aos pares de chave-valor à política.
1. Escolha **Próximo: revisar**.
1. Em **Nome**, insira um nome para a nova política.
1. (Opcional) Adicione uma **Descrição** para a política.
1. Selecione **Criar política**.
1. Depois de criar a política, volte para **Roles** no [console do IAM](https://console.aws.amazon.com/iam/) e selecione sua função de SageMaker IA.
1. Escolha **Anexar políticas**.
1. Em **Anexar permissões**, pesquise a política que você criou por nome. Selecione-a e escolha **Anexar política**.
1. **Selecione uma imagem de contêiner do Docker pré-criada ou traga a sua própria.** O contêiner que você escolher serve para inferência em seu endpoint. SageMaker A IA fornece contêineres para algoritmos integrados e imagens pré-criadas do Docker para algumas das estruturas de aprendizado de máquina mais comuns, como Apache, MXNet TensorFlow, PyTorch e Chainer. Para obter uma lista completa das SageMaker imagens disponíveis, consulte Imagens disponíveis de [contêineres de Deep Learning](https://github.com/aws/deep-learning-containers/blob/master/available_images.md).
Se nenhum dos contêineres de SageMaker IA existentes atender às suas necessidades, talvez seja necessário criar seu próprio contêiner Docker. Para obter informações sobre como criar sua imagem do Docker e torná-la compatível com a SageMaker IA, consulte[Contêineres com código de inferência personalizado](your-algorithms-inference-main.md). Para usar seu contêiner com um endpoint sem servidor, a imagem do contêiner deve residir em um repositório Amazon ECR dentro da mesma AWS conta que cria o endpoint.
1. **(Opcional) Registre seu modelo no registro de modelos.** SageMaker O [Model Registry](model-registry.md) ajuda você a catalogar e gerenciar versões de seus modelos para uso em pipelines de ML. Para obter mais informações sobre como registrar uma versão do seu modelo, consulte [Criar um grupo de modelos](model-registry-model-group.md) e [Registrar uma versão do modelo](model-registry-version.md). Para obter um exemplo de registro de modelos e fluxo de trabalho da Inferência Sem Servidor, consulte o seguinte [exemplo de caderno](https://github.com/aws/amazon-sagemaker-examples/blob/main/serverless-inference/serverless-model-registry.ipynb):
1. **(Opcional) Traga uma AWS KMS chave.** Ao configurar um endpoint sem servidor, você tem a opção de especificar uma chave KMS que a SageMaker IA usa para criptografar sua imagem do Amazon ECR. Observe que a política de chaves para a chave do KMS deve conceder acesso ao perfil do IAM que você especifica ao configurar seu endpoint. Para saber mais sobre chaves KMS, consulte o [Guia do desenvolvedor do AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html).