AWS SageMaker-在本地培训，但要部署到AWS？

Question

SageMaker面临以下挑战：

• 我已经下载了一个教程笔记本（ https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/tensorflow_abalone_age_predictor_using_keras/tensorflow_abalone_age_pre_dict_using_keras.ipynb ）

• 我通过修改以下行在本地（成功地）运行了培训：

   abalone_estimator = TensorFlow(entry_point='abalone.py', role=role, training_steps= 100, evaluation_steps= 100, hyperparameters={'learning_rate': 0.001}, train_instance_count=1, **train_instance_type='local'**) abalone_estimator.fit(inputs) 

• 然后，我想通过以下代码行将模型部署到AWS，但似乎SDK在本地部署了（它不会失败，我只是看到它在我的机器上运行）

  abalone_predictor = abalone_estimator.deploy(initial_instance_count=1, instance_type='ml.m4.xlarge')

关于如何修复它以便将其部署到AWS或重新加载我的训练模型并将其从头部署到AWS的任何技巧？

非常感谢，斯特凡

Answer 1

在SageMaker上再次运行培训更加容易。 否则，这是您必须执行的步骤。

1. 提取训练期间生成的检查点文件，并将其转换为张量流服务模型。
2. 将其压缩为特定格式并上传到S3
3. 然后像上面一样创建估算器并进行推断。

如果您想了解上述每个特定步骤的详细信息，请告诉我，但是如果您的数据集不太大，我想说的就是对SageMaker进行重新培训。