创建模型 - Amazon SageMaker
创建模型（使用模型注册表）创建模型（使用API）创建模型（使用控制台）

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。

创建模型

要创建模型，您必须提供模型构件和容器映像的位置。您也可以使用 “模型注册表” 中的SageMaker 模型版本。以下各节中的示例向您展示了如何使用CreateModelAPI、模型注册表和 Amazon SageMaker 控制台创建模型。

创建模型（使用模型注册表）

模型注册表是一项功能 SageMaker ，可帮助您对模型的版本进行编目和管理，以便在机器学习管道中使用。要将模型注册表与无服务器推理一起使用，必须先在模型注册表模型组中注册模型版本。要了解如何在模型注册表中注册模型，请按照创建模型组和注册模型版本中的步骤操作。

以下示例要求您拥有已注册模型版本的ARN，并使用 for Python (Boto3) 调用。AWS SDK CreateModelAPI对于无服务器推理，目前只有 AWS SDK Python 版 (Boto3) 支持模型注册表。在示例中，请指定以下值：

  • 对于 model_name，输入模型的名称。

  • 对于sagemaker_role，您可以使用本完成先决条件节步骤 4 中的默认 SageMaker创建 SageMaker IAM角色或自定义角色。

  • 对于ModelPackageName，ARN为您的模型版本指定，该版本必须注册到 “模型注册表” 中的模型组。

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Specify a name for the model
model_name = "<name-for-model>"

#Specify a Model Registry model version
container_list = [
    {
        "ModelPackageName": <model-version-arn>
     }
 ]

#Create the model
response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    container_list
)

创建模型（使用API）

以下示例使用 for Python (Boto3) 调用。AWS SDK CreateModelAPI指定以下值：

  • 因为sagemaker_role,您可以使用本完成先决条件节步骤 4 中的默认 SageMaker创建 SageMaker IAM角色或自定义角色。

  • 对于model_url，请为您的模型指定 Amazon S3 URI。

  • 对于container，通过容器的 Amazon ECR 路径检索您要使用的容器。此示例使用 SageMaker提供的XGBoost容器。如果您尚未选择 SageMaker容器或自带容器，请参阅完成先决条件本节的第 6 步了解更多信息。

  • 对于 model_name，输入模型的名称。

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Get model from S3
model_url = "s3://amzn-s3-demo-bucket/models/model.tar.gz"

#Get container image (prebuilt example)
from sagemaker import image_uris
container = image_uris.retrieve("xgboost", region, "0.90-1")

#Create model
model_name = "<name-for-model>"

response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    Containers = [{
        "Image": container,
        "Mode": "SingleModel",
        "ModelDataUrl": model_url,
    }]
)

创建模型（使用控制台）

  1. 登录 Amazon SageMaker 控制台。

  2. 在导航选项卡中，选择推理。

  3. 接下来，选择模型。

  4. 选择创建模型。

  5. 在模型名称中，输入您的账户所独有的模型名称，然后 AWS 区域。

  6. 对于IAM角色，请选择一个您已经创建的IAM角色（请参阅完成先决条件），或者 SageMaker 允许您创建一个角色。

  7. 在容器定义 1 中，对于容器输入选项，选择提供模型构件和输入位置。

  8. 对于提供模型构件和推理映像选项，选择使用单个模型。

  9. 对于推理代码图像的位置，请输入容器的 Amazon ECR 路径。该图像必须是 SageMaker提供的第一方图片（例如XGBoost） TensorFlow，或者是驻留在您创建终端节点的同一账户下的 Amazon ECR 存储库中的图片。如果没有容器，请返回完成先决条件部分的步骤 6 以了解更多信息。

  10. 对于模型构件的位置，请输入您的机器学习模型的 Amazon S3 URI。例如，s3://amzn-s3-demo-bucket/models/model.tar.gz。

  11. （可选）对于标签，添加键值对来为模型创建元数据。

  12. 选择创建模型。