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。

# 亚马逊 A SageMaker I 终端节点
<a name="sagemaker"></a>

[Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) 是一项托管机器学习服务，可帮助您构建和训练模型，然后将其部署到可用于生产的托管环境中。与亚马逊 SageMaker AI Canvas 不同，你不能选择在 SageMaker AI 中使用 ready-to-use模型。在 SageMaker AI 中，你负责提供样本数据并训练模型。这为您提供了更多的控制权，但也为您提供了更多的运营开销和责任。

您可以在 SageMaker AI 中将自定义模型部署为[实时](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)端点或[无服务器](https://docs.aws.amazon.com/sagemaker/latest/dg/serverless-endpoints.html)端点。或者，您可以根据应用程序需求使用[批量转换](https://docs.aws.amazon.com/sagemaker/latest/dg/batch-transform.html)。即使模型不会作为 SageMaker AI 端点部署，A SageMaker I 生成的模型工件也可以用于自定义部署。有关 SageMaker AI 图像分类模型的示例，请参阅以下资源 GitHub：
+ [亚马逊 SageMaker JumpStart 图片分类](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_classification/Amazon_JumpStart_Image_Classification.ipynb)
+ [亚马逊 SageMaker TensorFlow 图片分类](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/image_classification_tensorflow/Amazon_TensorFlow_Image_Classification.ipynb)
+ [Amazon SageMaker 多标签图片分类](https://sagemaker-examples-test-website.readthedocs.io/en/latest/introduction_to_amazon_algorithms/imageclassification_mscoco_multi_label/Image-classification-multilabel-lst.html)

模型训练完成后，您可以使用 SageMaker AI Neo 编译模型并提高其计算效率。Neo 会自动优化 Gluon、Keras、、、 MXNet PyTorch TensorFlow、 TensorFlow-Lite 和 ONNX 模型，以便在安卓、Linux 和 Windows 计算机上进行推理。有关更多信息，请参阅[使用 Neo 优化模型性能](https://docs.aws.amazon.com/sagemaker/latest/dg/neo.html)。

以下是 SageMaker AI 的优势：
+ 完全控制模型架构、目标和训练程序
+ 能够为您的终端节点部署选择实例类型
+ 能够使用 SageMaker AI Neo 编译模型以实现高效部署

以下是 SageMaker AI 的缺点：
+ 手动设置比自动化方法需要更多的劳动力

有关 SageMaker AI 的更多信息，请参阅以下内容：
+ 在 *SageMaker AI 开发者指南*中@@ [入门](https://docs.aws.amazon.com/sagemaker/latest/dg/gs.html)
+ [《人工智能*开发者指南》中有关使用 Amazon SageMaker A SageMaker I* 进行机器学习的概述](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-mlconcepts.html)