本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
完成事前準備
若要封裝模型,您必須執行下列動作:
-
使用 SageMaker Neo 編譯機器學習模型。
如果您尚未執行此操作,請使用 SageMaker Neo 編譯模型。如需有關如何編譯模型的詳細資訊,請參閱使用 Neo 編譯和部署模型。如果您是 SageMaker Neo 的第一次使用者,請逐步參閱 Neo Edge 裝置入門 。
-
取得編譯任務的名稱。
請提供您使用 SageMaker Neo 編譯模型時所使用的編譯任務名稱。開啟 的 SageMaker 主控台https://console.aws.amazon.com/sagemaker/
,然後選擇編譯任務,以尋找已提交至您 AWS 帳戶的編譯清單。已提交編譯任務的名稱位於名稱欄中。 -
取得您的 IAM ARN。
您需要角色的 Amazon Resource Name (ARN)IAM,可用來下載和上傳模型並聯絡 SageMaker Neo。
使用下列其中一種方法來取得您的 IAM ARN:
-
使用 SageMaker Python 以程式設計方式 SDK
import sagemaker # Initialize SageMaker Session object so you can interact with AWS resources sess = sagemaker.Session() # Get the role ARN role = sagemaker.get_execution_role() print(role) >> arn:aws:iam::
<your-aws-account-id>
:role/<your-role-name>
如需使用 SageMaker Python 的詳細資訊SDK,請參閱 SageMaker Python SDK API
。 -
使用 AWS Identity and Access Management (IAM) 主控台
在 導覽至IAM主控台https://console.aws.amazon.com/iam/
。在IAM資源區段中,選擇角色以檢視帳戶中 AWS 的角色清單。選取或建立具有 AmazonSageMakerFullAccess
、AWSIoTFullAccess
和AmazonS3FullAccess
的角色。如需 的詳細資訊IAM,請參閱什麼是 IAM?
-
-
擁有 S3 儲存貯體 URI。
您需要至少有一個 Amazon Simple Storage Service (Amazon S3) 儲存貯體URI,才能存放新編譯的模型、Edge Manager 封裝任務的輸出,以及來自裝置機群的範例資料。
使用下列其中一種方法來建立 Amazon S3 儲存貯體:
-
使用 SageMaker Python 以程式設計方式 SDK
您可以在工作階段期間使用預設的 Amazon S3 儲存貯體。系統會根據下列格式建立預設值區:
sagemaker-{region}-{aws-account-id}
。若要使用 SageMaker Python 建立預設儲存貯體SDK,請使用下列各項:import sagemaker session=sagemaker.create_session() bucket=session.default_bucket()
-
使用 Amazon S3 主控台
在 開啟 Amazon S3 主控台https://console.aws.amazon.com/s3/
,並參閱如何建立 S3 儲存貯體? 以取得 step-by-step指示。
-