配備編碼器的 Sagemaker 推理端點

Question

因此，由於我無法通過閱讀文檔和博客文章獲得任何幫助，所以我會在這里提問：

我想部署一個 Sagemaker 端點來安裝 Sagemaker 管道。 我想要一個由 PipelineModel 支持的端點。 這個 PipelineModel 應該由兩個模型組成：一個擬合的 model 對我的數據進行編碼，一個 model 用 XGBoost 估計器進行預測。 我跟着這個文檔： 在此處輸入鏈接描述

但是這個例子沒有展示如何在 PipelineStep 中集成預處理器 model。 我必須使用什么步驟？ 訓練步驟？ 提前致謝。 生無可戀

Answer 1

查看這個官方示例： 訓練注冊並部署管道 model 。

要記住的兩個變體：

1. 對於需要訓練的模型（通常是基於 tensorflow/pytorch 的模型），必須使用 TrainingStep，以便正確（自動）生成 output（工件 model），並能夠在以后使用它進行推理。
2. 對於通過簡單的數據擬合生成的模型（例如，帶有 sklearn 的縮放器），您可以考慮偽裝創建一個 TrainingStep（它是管道中的一個額外組件，這樣做不是很正確，但它是一個工作round) 但更正確的方法是配置預處理腳本，以便它在內部保存一個 model.tar.gz 文件，其中包含必要的文件（例如，pickle 或 joblib 對象），然后可以在后面的步驟中作為 model_data 正確使用。 事實上，如果你有一個 model.tar.gz，你可以定義一個 Model 的各種類型（例如，一個 SKLearnModel）已經安裝好了。

此時，您使用經過訓練/擬合的模型定義您的 PipelineModel，並且可以繼續直接端點部署或通過 model 注冊表決定 go 並保持更穩健的方法。