Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Uso di un pacchetto di modelli per creare un modello
Utilizza un pacchetto di modelli per creare un modello distribuibile da utilizzare per ottenere le inferenze in tempo reale creando un endpoint ospitato o per eseguire processi di trasformazione in batch. Puoi creare un modello implementabile da un pacchetto di modelli utilizzando la console di Amazon SageMaker AI, l’API SageMaker di basso livello o Amazon SageMaker Python SDK
Argomenti
Uso di un pacchetto di modelli per creare un modello (console)
Per creare un modello distribuibile da un pacchetto di modelli (console)
-
Apri la console di SageMaker AI all’indirizzo https://console.aws.amazon.com/sagemaker/
. -
Scegli Pacchetti di modelli.
-
Scegli un pacchetto di modelli creato dall'elenco nella scheda I miei pacchetti di modello o scegli un pacchetto di modelli a cui è stato effettuato l'abbonamento nella scheda Abbonamenti Marketplace AWS.
-
Scegli Crea modello.
-
Per Nome modello, digita un nome per il modello.
-
Per Ruolo IAM, scegli un ruolo IAM con le autorizzazioni necessarie per chiamare altri servizi per tuo conto o scegli Crea un nuovo ruolo per consentire a SageMaker AI di creare un ruolo con la policy gestita
AmazonSageMakerFullAccesscollegata. Per informazioni, consultare Come utilizzare i ruoli di esecuzione dell' SageMaker IA. -
Per VPC, scegli un VPC Amazon a cui il modello può accedere. Per ulteriori informazioni, consulta Offri agli endpoint ospitati dall' SageMaker intelligenza artificiale l'accesso alle risorse nel tuo Amazon VPC.
-
Lascia i valori predefiniti per Opzioni di input del container e Scegli il pacchetto del modello.
-
Per le variabili di ambiente, inserisci i nomi e i valori delle variabili di ambiente che desideri inoltrare al container del modello.
-
Per Tag, specifica uno o più tag per gestire il modello. Ciascun tag è formato da una chiave e da un valore facoltativo. Le chiavi dei tag devono essere univoche per ogni risorsa.
-
Scegli Crea modello.
Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. Per informazioni sull’hosting degli endpoint in SageMaker AI, consulta Implementa modelli per l’inferenza.
Uso di un pacchetto di modelli per creare un modello (API)
Per utilizzare un pacchetto di modelli per creare un modello distribuibile utilizzando l'API SageMaker, specifica il nome o il nome della risorsa Amazon (ARN) del pacchetto di modelli come presente nel campo ModelPackageName dell'oggetto ContainerDefinition inoltrato all'API CreateModel.
Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. Per informazioni sull’hosting degli endpoint in SageMaker AI, consulta Implementa modelli per l’inferenza.
Uso di un pacchetto di modelli per creare un modello (Amazon SageMaker Python SDK
Per utilizzare un pacchetto di modelli per creare un modello implementabile utilizzando SageMaker AI Python SDK, inizializza un oggetto ModelPackage e passa il nome della risorsa Amazon (ARN) del pacchetto di modelli come argomento model_package_arn. Per esempio:
from sagemaker import ModelPackage model = ModelPackage(role='SageMakerRole', model_package_arn='training-job-scikit-decision-trees-1542660466-6f92', sagemaker_session=sagemaker_session)
Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. Per informazioni sull’hosting degli endpoint in SageMaker AI, consulta Implementa modelli per l’inferenza.
