使用 Neo 編譯建議 - Amazon SageMaker
開始使用

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。

使用 Neo 編譯建議

在 Inference Recommender 中，您可以使用 Neo 編譯模型，並取得已編譯模型的端點建議。SageMaker Neo 是一種服務，可最佳化目標硬體平台 （即特定執行個體類型或環境） 的模型。使用 Neo 最佳化模型可能會改善託管模型的效能。

對於 Neo 支援的架構和容器，Inference Recommender 會自動建議 Neo 最佳化的建議。若要符合 Neo 編譯的資格，您的輸入必須符合以下先決條件：

  • 您正在使用 SageMaker 擁有DLC 或XGBoost容器。

  • 您使用的是 Neo 支援的架構版本。如需 Neo 支援的架構版本，請參閱 SageMaker Neo 文件雲端執行個體中的 。

  • Neo 要求您為模型提供正確的輸入資料形式。您可以在建立模型套件時，將此資料形式指定為 InferenceSpecification 中的 DataInputConfig。如需有關每個架構正確資料形狀的資訊，請參閱 SageMaker Neo 文件中的準備編譯模型。

    下列範例示範如何在 InferenceSpecification 中指定 DataInputConfig 欄位，其中 data_input_configuration 是包含字典格式之資料形式的變數 (例如 {'input':[1,1024,1024,3]})。

    "InferenceSpecification": {
        "Containers": [
            {
                "Image": dlc_uri,
                "Framework": framework.upper(),
                "FrameworkVersion": framework_version,
                "NearestModelName": model_name,
                "ModelInput": {"DataInputConfig": data_input_configuration},
            }
        ],
        "SupportedContentTypes": input_mime_types,  # required, must be non-null
        "SupportedResponseMIMETypes": [],
        "SupportedRealtimeInferenceInstanceTypes": supported_realtime_inference_types,  # optional
    }

如果您的請求中符合這些條件，則 Inference Recommender 會針對模型的編譯版本和未編譯版本執行案例，提供多種建議組合供您選擇。您可以比較相同推論建議的編譯版本和未編譯版本的組態，並判斷哪一個最適合您的使用案例。這些建議是按每個推論的成本來排序。

若要取得 Neo 編譯建議，除了確保您的輸入符合上述要求之外，您不必執行任何其他組態。如果您的輸入符合需求，且您收到包含 Neo 建議的回應，Inference Recommender 會自動在模型上執行 Neo 編譯。

如果您在 Neo 編譯期間遇到錯誤，請參閱故障診斷 Neo 編譯錯誤。

下表是您可能從 Inference Recommender 任務中取得的回應範例，其中包含已編譯模型的建議。如果 InferenceSpecificationName 欄位為 None，則建議是未編譯的模型。欄位 值InferenceSpecificationName為 的最後一列neo-00011122-2333-4445-5566-677788899900是使用 Neo 編譯的模型。欄位中的值是用來編譯和最佳化模型的 Neo 任務名稱。

EndpointName InstanceType InitialInstanceCount EnvironmentParameters CostPerHour CostPerInference MaxInvocations ModelLatency InferenceSpecificationName

sm-epc-example-000111222

ml.c5.9xlarge

1

[]

1.836

9.15E-07

33456

7

無

sm-epc-example-111222333

ml.c5.2xlarge

1

[]

0.408

2.11E-07

32211

21

無

sm-epc-example-222333444

ml.c5.xlarge

1

[]

0.204

1.86E-07

18276

92

無

sm-epc-example-333444555

ml.c5.xlarge

1

[]

0.204

1.60E-07

21286

42

neo-00011122-2333-4445-5566-677788899900

開始使用

建立包含 Neo 最佳化建議之 Inference Recommender 任務的一般步驟如下：

  • 準備您的機器學習 (ML) 模型進行編譯。如需詳細資訊，請參閱 Neo 文件中的準備編譯模型。

  • 將您的模型封裝在模型封存 (.tar.gz 檔案)。

  • 建立範例承載封存。

  • 在模型 SageMaker 登錄檔中註冊模型。

  • 建立 Inference Recommender 任務。

  • 檢視 Inference Recommender 任務的結果並選擇組態。

  • 偵錯編譯失敗 (如果有的話)。如需詳細資訊，請參閱 Neo 編譯錯誤的故障診斷。

如需示範先前工作流程的範例，以及如何使用 取得新最佳化建議XGBoost，請參閱下列範例筆記本 。如需示範如何使用 取得新最佳化建議的範例 TensorFlow，請參閱下列範例筆記本 。