Lengkapi prasyarat

Untuk menyelesaikan prasyarat

1. Siapkan AWS akun. Pertama-tama Anda memerlukan AWS akun dan pengguna AWS Identity and Access Management administrator. Untuk petunjuk tentang cara mengatur AWS akun, lihat Bagaimana cara membuat dan mengaktifkan AWS akun baru? . Untuk petunjuk tentang cara mengamankan akun Anda dengan pengguna administrator IAM, lihat Membuat pengguna admin IAM pertama dan grup pengguna di Panduan Pengguna IAM.

2. Buat bucket Amazon S3. Anda menggunakan bucket Amazon S3 untuk menyimpan artefak model Anda. Untuk mempelajari cara membuat bucket, lihat Membuat bucket S3 pertama Anda di Panduan Pengguna Amazon S3.

3. Unggah artefak model Anda ke bucket S3 Anda. Untuk petunjuk tentang cara mengunggah model ke bucket, lihat Mengunggah objek ke bucket Anda di Panduan Pengguna Amazon S3.

4. Buat peran IAM untuk Amazon SageMaker AI. Amazon SageMaker AI memerlukan akses ke bucket S3 yang menyimpan model Anda. Buat peran IAM dengan kebijakan yang memberikan akses baca SageMaker AI ke bucket Anda. Prosedur berikut menunjukkan cara membuat peran di konsol, tetapi Anda juga dapat menggunakan CreateRole API dari Panduan Pengguna IAM. Untuk informasi tentang memberi peran Anda izin yang lebih terperinci berdasarkan kasus penggunaan Anda, lihatCara menggunakan peran eksekusi SageMaker AI.

   1. Masuklah ke konsol IAM.

   2. Di tab navigasi, pilih Per an.

   3. Pilih Buat Peran.

   4. Untuk Pilih jenis entitas tepercaya, pilih AWS layanan dan kemudian pilih SageMaker AI.

   5. Pilih Berikutnya: Iz in dan kemudian pilih Berikutnya: Tag.

   6. (Opsional) Tambahkan tag sebagai pasangan kunci-nilai jika Anda ingin memiliki metadata untuk peran tersebut.

   7. Pilih Berikutnya: Tinjauan.

   8. Untuk Nama Per an, masukkan nama untuk peran baru yang unik dalam AWS akun Anda. Anda tidak dapat mengedit nama peran setelah membuat peran.

   9. (Opsional) Untuk Deskripsi peran, masukkan deskripsi.

   10. Pilih Buat peran.

5. Lampirkan izin bucket S3 ke peran SageMaker AI Anda. Setelah membuat peran IAM, lampirkan kebijakan yang memberikan izin SageMaker AI untuk mengakses bucket S3 yang berisi artefak model Anda.

   1. Di tab navigasi konsol IAM, pilih Peran.

   2. Dari daftar peran, cari peran yang Anda buat di langkah sebelumnya berdasarkan nama.

   3. Pilih peran Anda, lalu pilih Lamp irkan kebijakan.

   4. Untuk Lampirkan izin, pilih Buat kebijakan.

   5. Di tampilan Buat kebijakan, pilih tab JSON.

   6. Tambahkan pernyataan kebijakan berikut ke editor JSON. Pastikan untuk mengganti <your-bucket-name> dengan nama bucket S3 yang menyimpan artefak model Anda. Jika Anda ingin membatasi akses ke folder atau file tertentu di bucket Anda, Anda juga dapat menentukan jalur folder Amazon S3, misalnya,<your-bucket-name>/<model-folder>.

      JSON

      {
          "Version":"2012-10-17",
          "Statement": [
              {
                  "Sid": "VisualEditor0",
                  "Effect": "Allow",
                  "Action": "s3:GetObject",
                  "Resource": "arn:aws:s3:::<your-bucket-name>/*"
              }
          ]
      }
      

   7. Pilih Berikutnya: Tanda.

   8. (Opsional) Tambahkan tag dalam pasangan kunci-nilai ke kebijakan.

   9. Pilih Berikutnya: Tinjauan.

   10. Untuk Nama, masukkan nama untuk kebijakan baru.

   11. (Opsional) Tambahkan Deskripsi untuk kebijakan.

   12. Pilih Buat kebijakan.

   13. Setelah membuat kebijakan, kembali ke Per an di konsol IAM dan pilih peran SageMaker AI Anda.

   14. Pilih Lampirkan kebijakan.

   15. Untuk Lampirkan izin, cari kebijakan yang Anda buat berdasarkan nama. Pilih dan pilih Lamp irkan kebijakan.

6. Pilih gambar kontainer Docker bawaan atau bawa gambar Anda sendiri. Wadah yang Anda pilih menyajikan inferensi pada titik akhir Anda. SageMaker AI menyediakan wadah untuk algoritma bawaan dan gambar Docker bawaan untuk beberapa kerangka kerja pembelajaran mesin yang paling umum, seperti Apache MXnet,, TensorFlow PyTorch, dan Chainer. Untuk daftar lengkap gambar yang tersedia, lihat SageMaker Gambar Wadah Pem belajaran Mendalam yang Tersedia.

   Jika tidak ada wadah SageMaker AI yang ada yang memenuhi kebutuhan Anda, Anda mungkin perlu membuat wadah Docker Anda sendiri. Untuk informasi tentang cara membuat gambar Docker Anda dan membuatnya kompatibel dengan SageMaker AI, lihatWadah dengan kode inferensi khusus. Untuk menggunakan wadah Anda dengan titik akhir tanpa server, image kontainer harus berada di repositori Amazon ECR dalam AWS akun yang sama yang membuat titik akhir.

7. (Opsional) Daftarkan model Anda dengan Model Registry. SageMaker Model Registry membantu Anda membuat katalog dan mengelola versi model untuk digunakan dalam pipeline ML. Untuk informasi selengkapnya tentang mendaftarkan versi model Anda, lihat Buat Grup Model danDaftarkan Versi Model. Untuk contoh alur kerja Model Registry dan Serverless Inference, lihat contoh buku catatan berikut.

8. (Opsional) Bawa AWS KMS kunci. Saat menyiapkan titik akhir tanpa server, Anda memiliki opsi untuk menentukan kunci KMS yang digunakan SageMaker AI untuk mengenkripsi gambar Amazon ECR Anda. Perhatikan bahwa kebijakan kunci untuk kunci KMS harus memberikan akses ke peran IAM yang Anda tentukan saat menyiapkan titik akhir. Untuk mempelajari lebih lanjut tentang kunci KMS, lihat Panduan Peng AWS Key Management Service embang.