Entwickeln von Algorithmen und Modelle in Amazon SageMaker AI

Bevor Sie Algorithmus- und Modellpaketressourcen zur Verwendung in Amazon SageMaker AI erstellen oder in AWS Marketplace anbieten können, müssen Sie diese entwickeln und in Docker-Container verpacken.

Entwickeln von Algorithmen in SageMaker AI

Ein Algorithmus sollte als Docker-Container gepackt und in Amazon ECR gespeichert werden, damit er in SageMaker AI verwendet werden kann. Der Docker-Container enthält den Trainingscode, der für das Ausführen von Trainingsaufträgen verwendet wird, und optional auch den Inferenzcode, der für Inferenzen von Modellen verwendet wird, die mit dem Algorithmus trainiert wurden.

Weitere Informationen zur Entwicklung von Algorithmen in SageMaker AI und zum Packen als Container finden Sie unter Docker-Container für das Training und die Bereitstellung von Modellen. Ein umfassendes Beispiel für die Erstellung eines Algorithmus-Containers finden Sie im Beispiel-Notebook unter https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html. Sie finden das Beispiel-Notebook auch in einer SageMaker-Notebook-Instance. Das Notebook befindet sich unter Advanced Functionality (Erweiterte Funktionen) und trägt den Namen scikit_bring_your_own.ipynb.

Testen Sie Ihre Algorithmen immer sorgfältig, bevor Sie Algorithmusressourcen zur Veröffentlichung in AWS Marketplace erstellen.

Entwickeln von Modellen in SageMaker AI

Ein bereitstellbares Modell in SageMaker AI besteht aus Inferenzcode, Modellartefakten, einer IAM-Rolle, die für den Zugriff auf Ressourcen verwendet wird, und anderen Informationen, die für die Bereitstellung des Modells in SageMaker AI erforderlich sind. Modellartefakte sind die Ergebnisse des Trainierens eines Modells mit einem ML-Algorithmus. Der Inferenzcode muss in einen Docker-Container gepackt und in Amazon ECR gespeichert werden. Sie können die Modellartefakte entweder in den gleichen Container wie den Inferenzcode verpacken oder sie in Amazon S3 speichern.

Sie erstellen ein Modell, indem Sie einen Trainingsjob in SageMaker AI ausführen oder einen Machine-Learning-Algorithmus außerhalb von SageMaker AI trainieren. Wenn Sie einen Trainingsjob in SageMaker AI ausführen, sind die resultierenden Modellartefakte im ModelArtifacts Feld in der Antwort auf einen Aufruf der Operation DescribeTrainingJob verfügbar. Informationen zur Entwicklung eines SageMaker-AI-Modellcontainers finden Sie unter Container mit benutzerdefiniertem Inferenzcode. Ein umfassendes Beispiel für die Erstellung eines Modellcontainers anhand eines Modells, das außerhalb von SageMaker AI trainiert wurde, finden Sie im Beispiel-Notebook unter https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html.

Testen Sie Ihre Modelle immer sorgfältig, bevor Sie Modellpakete zur Veröffentlichung in AWS Marketplace erstellen.