用於批量轉換的 AWS SageMaker 部署

Question

我正在嘗試在 Sage Maker 中使用 XGBoost 模型，並使用它來使用批量轉換對存儲在 S3 中的大型數據進行評分。

我使用現有的 Sagemaker Container 構建模型，如下所示：

estimator = sagemaker.estimator.Estimator(image_name=container, 
                                          hyperparameters=hyperparameters,
                                          role=sagemaker.get_execution_role(),
                                          train_instance_count=1, 
                                          train_instance_type='ml.m5.2xlarge', 
                                          train_volume_size=5, # 5 GB 
                                          output_path=output_path,
                                          train_use_spot_instances=True,
                                          train_max_run=300,
                                          train_max_wait=600)

estimator.fit({'train': s3_input_train,'validation': s3_input_test})

下面的代碼是用來做Batch Transform的

 The location of the test dataset
batch_input = 's3://{}/{}/test/examples'.format(bucket, prefix)

# The location to store the results of the batch transform job
batch_output = 's3://{}/{}/batch-inference'.format(bucket, prefix)

transformer = xgb_model.transformer(instance_count=1, instance_type='ml.m4.xlarge', output_path=batch_output)

transformer.transform(data=batch_input, data_type='S3Prefix', content_type='text/csv', split_type='Line')

transformer.wait()

當模型在 Jupyter 中構建時，上述代碼在開發環境（Jupyter notebook）中運行良好。 但是，我想部署模型並調用其端點進行批量轉換。

SageMaker 端點創建的大多數示例用於對單個數據進行評分，而不是用於批量轉換。

有人可以指出如何在 SageMaker 中部署和使用批量轉換的端點嗎？ 謝謝

Answer 1

以下鏈接有一個示例，說明如何在 SageMaker 中調用存儲模型來運行批量轉換作業。

批量轉換參考