本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
机器学习产品
作为卖家，您可以使用 AWS Marketplace 创建机器学习 (ML) 算法和模型，供买家部署 AWS。以下列出了两种类型的亚马逊 SageMaker 商品 AWS Marketplace：
- 模型包
-
一种预训练模型，用于进行预测，无需买家进一步培训。
- 算法
-
一种模型，要求买家在做出预测之前提供训练数据。包括训练算法。
买家可以通过亚马逊 SageMaker 控制台或购买这些商品 AWS Marketplace。买家可以查看产品描述、文档、客户评价、定价及支持信息。当他们订阅模型包产品或算法产品时，它会添加到 SageMaker 控制台上的产品列表中。买家还可以使用 AWS 软件开发工具包、 AWS Command Line Interface (AWS CLI) 或 SageMaker 控制台来创建完全托管的 REST 推理端点或对批量数据执行推理。
要获得有关通过 Amazon 创建机器学习产品的支持 SageMaker，请联系AWS Marketplace 卖家运营
机器学习产品入门
AWS Marketplace 使用 Amazon 支持两种机器学习产品类型 SageMaker。模型包产品和算法产品这两种类型都会生成用于预测的可部署推理模型。
SageMaker 模型包
A mazon SageMaker 模型包产品包含预训练模型。可以部署预训练的模型， SageMaker 以便实时或分批进行推断或预测。本产品包含经过训练的推理组件，其中包含模型构件（如有）。作为卖家，您可以使用自己的模型训练模型 SageMaker 或自带模型。
SageMaker 算法
买家可以使用SageMaker算法产品来执行完整的机器学习工作负载。一个算法产品有两个逻辑组件：训练和推理。在中 SageMaker，买家使用自己的数据集使用您的训练组件创建训练作业。训练组件中的算法完成后，它会生成机器学习模型的模型工件。 SageMaker 将模型工件保存在买家的亚马逊简单存储服务 (Amazon S3) 存储桶中。 然后 SageMaker，购买者可以部署您的推理组件以及生成的模型工件，以实时或批量执行推理（或预测）。
部署推理模型
无论推理模型是根据模型包还是算法创建的，都有两种部署方法：
-
端点-此方法 SageMaker 用于部署模型和创建 API 端点。买家可以将此端点用作其后端服务的一部分，为其应用程序提供支持。当数据发送到端点时，将其 SageMaker 传递到模型容器并以 API 响应的形式返回结果。端点和容器会继续运行，直到被买家停止。
注意
在中 AWS Marketplace，端点方法被称为实时推理，在 SageMaker 文档中，它被称为托管服务。有关更多信息，请参阅在 Amazon 中部署模型 SageMaker。
-
批量转换任务 – 在此方法中，买家将数据集存储在 Amazon S3 中进行推理。当批量转换任务启动时， SageMaker 部署模型，将数据从 S3 存储桶传递到模型的容器，然后将结果返回到 S3 存储桶。作业完成后， SageMaker 停止作业。有关更多信息，请参阅使用批量转换获取整个数据集的推理。
注意
这两种方法对模型都是透明的，因为将数据 SageMaker传递给模型并将结果返回给买方。
