Utilice un paquete de modelos para crear un modelo - Amazon SageMaker AI
Utilizar un paquete de modelos para crear un modelo (consola)Utilice un paquete de modelos para crear un modelo (API)Utilice un paquete de modelos para crear un modelo (Amazon SageMaker Python SDK)

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Utilice un paquete de modelos para crear un modelo

Utilice un paquete de modelos para crear un modelo que pueda implementarse que pueda utilizar para obtener inferencias en tiempo real mediante la creación de un punto de conexión alojado o para ejecutar trabajos de transformación por lotes. Puede crear un modelo que pueda implementarse a partir de un paquete de modelos mediante la consola de Amazon SageMaker AI, la API de SageMaker de bajo nivel o el Amazon SageMaker Python SDK.

Utilizar un paquete de modelos para crear un modelo (consola)

Para crear un modelo que pueda implementarse a partir de un paquete de modelos (consola)

  1. Abra la consola de SageMaker AI en https://console.aws.amazon.com/sagemaker/.

  2. Elija Model packages (Paquetes de modelos)

  3. Elija un paquete de modelos de los que creó de la lista en la pestaña My model packages (Mis paquetes de modelos) o elija un paquete de modelos al que se suscribió en la pestaña AWS Marketplace subscriptions (Suscripciones de ).

  4. Seleccione Crear modelo.

  5. En Model name (Nombre de modelo), escriba un nombre único para el modelo.

  6. En Rol de IAM), elija un rol de IAM que cuente con los permisos necesarios para llamar a otros servicios en su nombre o elija Crear un rol nuevo para permitir que SageMaker AI cree un rol que tenga la política administrada AmazonSageMakerFullAccess asociada. Para obtener más información, consulta Cómo utilizar las funciones de ejecución de la SageMaker IA.

  7. Para VPC, elija una VPC de Amazon a la que quiera que acceda su modelo. Para obtener más información, consulte Ofrezca a los puntos de conexión alojados en SageMaker IA acceso a los recursos de su Amazon VPC.

  8. Deje los valores predeterminados para Container input options (Opciones de entrada del contenedor) y Choose model package (Elegir paquete de modelos).

  9. Para las variables de entorno, proporcione los nombres y los valores de variables de entorno que desea transferir al contenedor de modelos.

  10. En Tags (Etiquetas), especifique una o varias etiquetas para administrar el modelo. Cada etiqueta consta de una clave y un valor opcional. Las claves de las etiquetas deben ser únicas para cada recurso.

  11. Seleccione Crear modelo.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener más información sobre el alojamiento de puntos de conexión en SageMaker AI, consulte Deploy Models for Inference.

Utilice un paquete de modelos para crear un modelo (API)

Para utilizar un paquete de modelos para crear un modelo que pueda implantarse mediante la API de , especifique el nombre o el Nombre de recurso de Amazon (ARN) del paquete de modelos como el campo ModelPackageName del objeto ContainerDefinition que transfiera a la API CreateModel.

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener más información sobre los puntos de conexión alojados en SageMaker AI, Deploy Models for Inference.

Utilice un paquete de modelos para crear un modelo (Amazon SageMaker Python SDK)

Para utilizar un paquete de modelos para crear un modelo de paquetes que pueda implantarse mediante el SageMaker AI Python SDK, inicialice un objeto ModelPackage y transfiera el Nombre de recurso de Amazon (ARN) del paquete de modelos como el argumento model_package_arn. Por ejemplo:

from sagemaker import ModelPackage
model = ModelPackage(role='SageMakerRole',
         model_package_arn='training-job-scikit-decision-trees-1542660466-6f92',
         sagemaker_session=sagemaker_session)

Después de crear un modelo que pueden implementarse, puede utilizarlo para configurar un punto de conexión para inferencia en tiempo real o crear un trabajo de transformación por lotes para obtener inferencias en conjuntos de datos completos. Para obtener más información sobre el alojamiento de puntos de conexión en SageMaker AI, consulte Deploy Models for Inference.