[英]Is it possible set up an endpoint for a model I created in AWS SageMaker without using the SageMaker SDK
[英]With AWS SageMaker, is it possible to deploy a pre-trained model using the sagemaker SDK?
我試圖避免將現有模型訓練過程遷移到 SageMaker,並避免創建自定義 Docker 容器來托管我們訓練過的模型。
我希望將我們現有的、經過訓練的模型注入到 AWS 通過sagemaker-python-sdk提供的預構建 scikit 學習容器中。 我發現的所有示例都需要先訓練模型,然后在 SageMaker 中創建模型/模型配置。 然后使用deploy
方法進行deploy
。
是否可以為deploy
方法提供經過訓練的模型並將其托管在 AWS 提供的預先構建的 scikit 學習容器中?
作為參考,我看到的示例遵循以下操作順序:
sagemaker.sklearn.estimator.SKLearn
的實例並提供訓練腳本fit
方法SKLearn
實例上調用deploy
方法,該方法會自動獲取在步驟 2/3 中創建的模型,並將其作為 HTTPS 端點部署在預構建的 scikit learn 容器中。是的,您可以將現有模型導入 SageMaker。
對於 scikit-learn,您將使用 SKLearnModel() 對象從 S3 加載到模型並在 SageMaker 中創建它。 然后,您可以像往常一樣部署它。
https://sagemaker.readthedocs.io/en/latest/sagemaker.sklearn.html
這是一個基於 MXNet 的完整示例,它將為您指明正確的方向: https : //github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_onnx_superresolution/mxnet_onnx.ipynb
在相同的用例中掙扎了幾天。
我們使用了 sagemaker.model.Model 類和 sagemaker.pipeline.PipelineModel
在這里概述了我們的解決方案。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.