![](/img/trans.png)
[英]Having issues reading S3 bucket when transitioning a tensorflow model from local machine to AWS SageMaker
[英]SageMaker custom model output path for tensorflow when creating from s3 artifacts
我正在運行以下代碼來創建一個具有預先存在的 model 的端點:
from sagemaker.tensorflow import serving
sagemaker_session = sagemaker.Session()
clf_sm_model = serving.Model(model_data='s3://mybucket/mytrainedmodel/model.tar.gz',
entry_point="inference.py",
source_dir="inf_source_dir",
role=get_execution_role(),
framework_version='1.14',
sagemaker_session=sagemaker_session)
但是,這會將 model 的副本創建到默認的 sagemaker 存儲桶中。 如何傳遞自定義路徑? 我試過 model_dir 和 output_path 但都不被接受為參數
SageMaker Python SDK 重新打包您的 model 以包含您的entry_point
和source_dir
文件,並將此“新”tar 包上傳到 SageMaker 默認存儲桶。
您可以通過在sagemaker_session
中設置default_bucket
來更改此行為,如下所示:
sagemaker_session = sagemaker.Session(default_bucket="<mybucket>")
clf_sm_model = serving.Model(model_data='s3://mybucket/mytrainedmodel/model.tar.gz',
.
.
sagemaker_session=sagemaker_session)
.
)
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.