Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Uso di un pacchetto di modelli per creare un modello
<a name="sagemaker-mkt-model-pkg-model"></a>

Utilizza un pacchetto di modelli per creare un modello distribuibile da utilizzare per ottenere le inferenze in tempo reale creando un endpoint ospitato o per eseguire processi di trasformazione in batch. Puoi creare un modello distribuibile da un pacchetto di modelli utilizzando la console Amazon SageMaker AI, l' SageMaker API di basso livello) o l'SDK Amazon [Python SageMaker ](https://sagemaker.readthedocs.io/en/stable).

**Topics**
+ [Uso di un pacchetto di modelli per creare un modello (console)](#sagemaker-mkt-model-pkg-model-console)
+ [Uso di un pacchetto di modelli per creare un modello (API)](#sagemaker-mkt-model-pkg-model-api)
+ [Usare un Model Package per creare un modello ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))](#sagemaker-mkt-model-pkg-model-sdk)

## Uso di un pacchetto di modelli per creare un modello (console)
<a name="sagemaker-mkt-model-pkg-model-console"></a>

**Per creare un modello distribuibile da un pacchetto di modelli (console)**

1. Apri la console AI all'indirizzo. SageMaker [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)

1. Scegli **Pacchetti di modelli**.

1. Scegli un pacchetto di modelli creato dall'elenco nella scheda **I miei pacchetti di modello** o scegli un pacchetto di modelli a cui è stato effettuato l'abbonamento nella scheda **Abbonamenti Marketplace AWS **.

1. Scegli **Crea modello**.

1. Per **Nome modello**, digita un nome per il modello.

1. Per **il ruolo IAM**, scegli un ruolo IAM con le autorizzazioni necessarie per chiamare altri servizi per tuo conto, oppure scegli **Crea un nuovo ruolo** per consentire all' SageMaker IA di creare un ruolo con la policy `AmazonSageMakerFullAccess` gestita allegata. Per informazioni, consulta [Come utilizzare i ruoli di esecuzione dell' SageMaker IA](sagemaker-roles.md).

1. Per **VPC**, scegli un VPC Amazon a cui il modello può accedere. Per ulteriori informazioni, consulta [Offri agli endpoint ospitati dall' SageMaker intelligenza artificiale l'accesso alle risorse nel tuo Amazon VPC](host-vpc.md).

1. Lascia i valori predefiniti per **Opzioni di input del container** e **Scegli il pacchetto del modello**.

1. Per le variabili di ambiente, inserisci i nomi e i valori delle variabili di ambiente che desideri inoltrare al container del modello.

1. Per **Tag**, specifica uno o più tag per gestire il modello. Ciascun tag è formato da una chiave e da un valore facoltativo. Le chiavi dei tag devono essere univoche per ogni risorsa.

1. Scegli **Crea modello**.

Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. Per informazioni sull'hosting degli endpoint nell' SageMaker IA, consulta [Deploy Models](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html) for Inference.

## Uso di un pacchetto di modelli per creare un modello (API)
<a name="sagemaker-mkt-model-pkg-model-api"></a>

Per utilizzare un pacchetto modello per creare un modello distribuibile utilizzando l' SageMaker API, specifica il nome o l'Amazon Resource Name (ARN) del pacchetto modello come `ModelPackageName` campo dell'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html)oggetto da passare all'API. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html)

Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. Per informazioni sugli endpoint ospitati nell' SageMaker intelligenza artificiale, consulta [Deploy](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html) Models for Inference.

## Usare un Model Package per creare un modello ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))
<a name="sagemaker-mkt-model-pkg-model-sdk"></a>

Per utilizzare un pacchetto modello per creare un modello distribuibile utilizzando l'SDK AI SageMaker Python, inizializza un `ModelPackage` oggetto e passa l'Amazon Resource Name (ARN) del pacchetto del modello come argomento. `model_package_arn` Esempio:

```
from sagemaker import ModelPackage
model = ModelPackage(role='SageMakerRole',
         model_package_arn='training-job-scikit-decision-trees-1542660466-6f92',
         sagemaker_session=sagemaker_session)
```

Dopo aver creato un modello distribuibile, puoi utilizzarlo per impostare un endpoint per l'inferenza in tempo reale o creare un processo di trasformazione in batch per ottenere le inferenze su set di dati completi. [Per informazioni sull'hosting degli endpoint nell' SageMaker intelligenza artificiale, consulta Deploy Models for Inference.](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html)