從 s3 工件創建時，SageMaker 自定義 model output 路徑 tensorflow

Question

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

Answer 1

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)
                    .
                    )