Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Cadres et types d’instance pris en charge
Amazon SageMaker Neo prend en charge les cadres de deep learning les plus courants pour la compilation et le déploiement. Vous pouvez déployer votre modèle sur des instances cloud ou des types d’instances AWS Inferentia.
La section suivante décrit les cadres pris en charge par SageMaker Neo et les instances cloud cible sur lesquelles vous pouvez compiler et déployer. Pour obtenir des informations sur le déploiement de votre modèle compilé sur une instance cloud ou Inferentia, consultez Déploiement d’un modèle avec des instances cloud.
Instances cloud
SageMaker Neo prend en charge les cadres de deep learning suivants pour les instances cloud CPU et GPU :
| Cadre | Version du cadre | Version de modèle | Modèles | Formats de modèle (packagés dans *.tar.gz) | Boîtes à outils |
|---|---|---|---|---|---|
| MXNet | 1.8.0 | Prend en charge la version 1.8.0 ou antérieure | classification d’images, détection d’objets, segmentation sémantique, estimation de pose, reconnaissance d’activités | Un fichier de symboles (.json) et un fichier de paramètres (.params) | GluonCV v0.8.0 |
| ONNX | 1.7.0 | Prend en charge la version 1.7.0 ou antérieure | Classification d’images, SVM | Un fichier de modèle (.onnx) | |
| Keras | 2.2.4 | Prend en charge la version 2.2.4 ou antérieure | Classification d’images | Un fichier de définition de modèle (.h5) | |
| PyTorch | 1.4, 1.5, 1.6, 1.7, 1.8, 1.12, 1.13 ou 2.0 | Prend en charge 1.4, 1.5, 1.6, 1.7, 1.8, 1.12, 1.13 et 2.0 |
Classification d’images Les versions 1.13 et 2.0 prennent en charge la détection d’objets, le transformeur de vision et HuggingFace |
Un fichier de définition de modèle (.pt ou .pth) avec dtype d’entrée float32 | |
| TensorFlow | 1.15.3 ou 2.9 | Prend en charge 1.15.3 et 2.9 | Classification d’images | Pour les modèles enregistrés, Neo attend un fichier .pb ou .pbtxt, ainsi qu’un répertoire de variables contenant des variables Pour les modèles figés, Neo attend uniquement un fichier .pb ou .pbtxt |
|
| XGBoost | 1.3.3 | Prend en charge la version 1.3.3 ou antérieure | Arbres de décision | Un fichier de modèles XGBoost (.model) dans lequel le nombre de nœuds d’une arborescence est inférieur à 2^31 |
Note
« Model Version » est la version du cadre utilisé pour entraîner et exporter le modèle.
Types d’instances
Vous pouvez déployer votre modèle compilé SageMaker AI sur l’une des instances cloud ci-dessous :
| Instance | Type de calcul |
|---|---|
|
Standard |
|
Standard |
|
Standard |
|
Standard |
|
Calcul accéléré |
|
Calcul accéléré |
|
Calcul accéléré |
Pour obtenir des informations sur le vCPU disponible, la mémoire et le prix à l’heure pour chaque type d’instance, consultez Tarification Amazon SageMaker
Note
Lors de la compilation d’instances ml_* avec un cadre PyTorch, dans le champ Options de compilateur de Configuration de la sortie, fournissez le type de données correct (dtype) de l’entrée du modèle.
La valeur par défaut est définie sur "float32".
AWS Inferentia
SageMaker Neo prend en charge les frameworks de deep learning suivants pour Inf1 :
| Cadre | Version du cadre | Version de modèle | Modèles | Formats de modèle (packagés dans *.tar.gz) | Boîtes à outils |
|---|---|---|---|---|---|
| MXNet | 1.5 ou 1.8 | Prend en charge les versions 1.8, 1.5 et antérieures | classification d’images, détection d’objets, segmentation sémantique, estimation de pose, reconnaissance d’activités | Un fichier de symboles (.json) et un fichier de paramètres (.params) | GluonCV v0.8.0 |
| PyTorch | 1.7, 1.8 ou 1.9 | Prend en charge les versions 1.9 et antérieures | Classification d’images | Un fichier de définition de modèle (.pt ou .pth) avec dtype d’entrée float32 | |
| TensorFlow | 1.15 ou 2.5 | Prend en charge les versions 2.5, 1.15 et antérieures | Classification d’images | Pour les modèles enregistrés, Neo attend un fichier .pb ou .pbtxt, ainsi qu’un répertoire de variables contenant des variables Pour les modèles figés, Neo attend uniquement un fichier .pb ou .pbtxt |
Note
« Model Version » est la version du cadre utilisé pour entraîner et exporter le modèle.
Vous pouvez déployer votre modèle SageMaker Neo-compilé sur des instances Amazon EC2 Inf1 basées sur AWS Inferentia. AWS Inferentia est la première puce de silicium personnalisée d’Amazon conçue pour accélérer le deep learning. Actuellement, vous pouvez utiliser l’instance ml_inf1 pour déployer vos modèles compilés.
AWS Inferentia2 et AWS Trainium
À l’heure actuelle, vous pouvez déployer votre modèle compilé par SageMaker Neo sur des instances Amazon EC2 Inf2 AWS basées sur Inferentia2 (dans la région USA Est (Ohio)) et sur des instances Amazon EC2 Trn1 AWS basées sur Trainium (dans la région USA Est (Virginie du Nord)). Pour plus d’informations sur les modèles pris en charge sur ces instances, consultez Directives d’ajustement de l’architecture des modèles
