Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Implementación de sus modelos en un punto de conexión
En Amazon SageMaker Canvas, puede implementar sus modelos en un punto final para realizar predicciones. SageMaker La IA proporciona la infraestructura de aprendizaje automático para que pueda alojar su modelo en un punto final con las instancias informáticas que elija. A continuación, puede *invocar* el punto de conexión (enviar una solicitud de predicción) y obtener una predicción en tiempo real a partir de su modelo. Con esta funcionalidad, puede usar su modelo en producción para responder a las solicitudes entrantes y puede integrar su modelo con las aplicaciones y los flujos de trabajo existentes.
Para empezar, debe tener un modelo que quiera implementar. Puede implementar versiones de modelos personalizadas que haya creado, modelos SageMaker JumpStart básicos de Amazon y modelos básicos ajustados JumpStart . Para obtener más información acerca de la creación de un modelo, consulte [Cómo funcionan los modelos personalizados](canvas-build-model.md). Para obtener más información sobre los modelos de JumpStart base en Canvas, consulte. [Modelos básicos de IA generativa en Canvas SageMaker](canvas-fm-chat.md)
Revise la siguiente sección de **Administración de permisos** y, a continuación, comience a crear nuevas implementaciones en la sección **Implementación de un modelo**.
## Administración de permisos
De forma predeterminada, tiene permisos para implementar modelos en los puntos finales de SageMaker AI Hosting. SageMaker AI concede estos permisos a todos los perfiles de usuario de Canvas nuevos y existentes a través de la [AmazonSageMakerCanvasFullAccess](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonSageMakerCanvasFullAccess.html)política, que se adjunta a la función de ejecución de AWS IAM para el dominio de SageMaker IA que aloja su aplicación de Canvas.
Si su administrador de Canvas está configurando un nuevo dominio o perfil de usuario, al configurar el dominio y siguiendo las instrucciones previas que figuran en él[Requisitos previos para configurar Amazon Canvas SageMaker](canvas-getting-started.md#canvas-prerequisites), la SageMaker IA activa los permisos de implementación del modelo mediante la opción **Habilitar el despliegue directo de los modelos de Canvas**, que está habilitada de forma predeterminada.
El administrador de Canvas también puede gestionar los permisos de implementación del modelo en el nivel del perfil de usuario. Por ejemplo, si el administrador no quiere conceder permisos de implementación de modelos a todos los perfiles de usuario al configurar un dominio, puede conceder permisos a usuarios específicos después de crear el dominio.
El siguiente procedimiento muestra cómo activar los permisos de implementación de modelos para un perfil de usuario específico:
1. Abra la consola de SageMaker IA en [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. En el panel de navegación izquierdo, seleccione **Configuraciones de administración**.
1. En **Configuraciones de administración**, elija **Dominios**.
1. En la lista de dominios, seleccione el dominio del perfil de usuario.
1. En la página **Detalles del dominio**, elija la pestaña **Perfiles de usuario**.
1. Elija un **Perfil de usuario**.
1. En la página del perfil del usuario, elija la pestaña **Configuraciones de aplicaciones**.
1. En la sección **Canvas**, seleccione **Editar**.
1. En la sección **Configuración de ML Ops**, active la opción **Habilitar la implementación directa de los modelos de Canvas** para habilitar los permisos de implementación.
1. Seleccione **Enviar** para guardar los cambios en la configuración de su dominio.
El perfil de usuario debería tener ahora permisos de implementación de modelos.
Tras conceder permisos al dominio o al perfil de usuario, asegúrese de que el usuario cierre sesión en su aplicación de Canvas y vuelva a iniciarla para aplicar los cambios de permisos.
## Implementación de un modelo
Para comenzar a implementar su modelo, cree una nueva implementación en Canvas y especifique la versión del modelo que desea implementar junto con la infraestructura de machine learning, como el tipo y la cantidad de instancias de procesamiento que le gustaría usar para alojar el modelo.
Canvas sugiere un tipo y un número de instancias predeterminados en función de tu tipo de modelo, o puedes obtener más información sobre los distintos tipos de instancias de SageMaker IA en la [página de SageMaker precios de Amazon](https://aws.amazon.com/sagemaker/pricing/). Se le cobrará en función del precio de las instancias de SageMaker IA mientras su terminal esté activo.
Al implementar JumpStart modelos básicos, también tiene la opción de especificar la duración del tiempo de implementación. Puede implementar el modelo en un punto de conexión de forma indefinida (lo que significa que el punto de conexión estará activo hasta que elimine la implementación). O bien, si solo necesita el punto final durante un período breve y desea reducir los costes, puede implementar el modelo en un punto final durante un período de tiempo específico, tras lo cual la SageMaker IA cierra el punto final por usted.
**nota**
Si implementa un modelo durante un período de tiempo específico, mantenga la sesión iniciada en la aplicación de Canvas durante todo el tiempo que dure el punto de conexión. Si cierra sesión o elimina la aplicación, Canvas no podrá cerrar el punto de conexión a la hora especificada.
Una vez que el modelo se haya implementado en un [punto final de inferencia en tiempo real](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html) de SageMaker AI Hosting, puede empezar a hacer predicciones *invocando* el punto final.
Hay varias formas de implementar una versión del modelo desde la aplicación de Canvas. Puede obtener acceso a la opción de implementación del modelo mediante cualquiera de los métodos siguientes:
+ En la página **Mis modelos** de la aplicación de Canvas, elija el modelo que quiera implementar. A continuación, en la página de **Versiones** del modelo, elija el icono **Más opciones** () situado junto a la versión del modelo y seleccione **Implementar**.
+ En la página de detalles de una versión del modelo, en la pestaña **Analizar**, elija la opción **Implementar**.
+ En la página de detalles de una versión del modelo, en la pestaña **Predecir**, seleccione el icono de **Más opciones** () situado en la parte superior de la página y seleccione **Implementar**.
+ En la página **Operaciones de machine learning** de la aplicación de Canvas, elija la pestaña **Implementaciones** y, a continuación, **Crear implementación**.
+ Para ver los modelos de JumpStart base y los modelos de base ajustados, vaya a la página de **Ready-to-use modelos de la aplicación** Canvas. Elija **Generar, extraer y resumir contenido**. A continuación, busque el modelo de JumpStart base o el modelo de base ajustado que desee implementar. Elija el modelo y, en la página de chat del modelo, seleccione el botón **Implementar**.
Todos estos métodos abren el panel lateral **Implementar modelo**, donde puede especificar la configuración de implementación de su modelo. Para implementar el modelo desde este panel, haga lo siguiente:
1. (Opcional) Si va a crear una implementación desde la página **Operaciones de machine learning**, tendrá la opción de **Seleccionar el modelo y la versión**. Utilice los menús desplegables para seleccionar el modelo y la versión del modelo que desee implementar.
1. Escriba un nombre en el campo **Nombre de implementación** .
1. **(Solo para modelos de JumpStart base y modelos de base ajustados) Elija una longitud de despliegue.** Seleccione **Indefinido** para dejar el punto de conexión activo hasta que lo cierre, o **Especificar la longitud** y, a continuación, introduzca el período de tiempo durante el que desea que el punto de conexión permanezca activo.
1. En el **caso del tipo de instancia**, la SageMaker IA detecta un tipo y un número de instancia predeterminados adecuados para su modelo. Sin embargo, puede cambiar el tipo de instancia que quiera utilizar para alojar el modelo.
**nota**
Si se te acaba la cuota de instancias para el tipo de instancia elegido en tu AWS cuenta, puedes solicitar un aumento de la cuota. Para obtener más información sobre las cuotas predeterminadas y cómo solicitar un aumento, consulta los [puntos de conexión y las cuotas de Amazon SageMaker AI](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html) en la *guía de referencia AWS general*.
1. En **cuanto al recuento** de instancias, puede establecer la cantidad de instancias activas que se utilizan para su punto final. SageMaker La IA detecta un número predeterminado que es adecuado para su modelo, pero puede cambiarlo.
1. Cuando esté listo para implementar el modelo, elija **Implementar**.
Su modelo ahora debería implementarse en un punto de conexión.