翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon SageMaker AI でアルゴリズムとモデルを開発する

Amazon SageMaker AI で使用するアルゴリズムとモデルパッケージリソースを作成する前にAWS Marketplace、リソースを開発して Docker コンテナにパッケージ化する必要があります。

SageMaker AI でアルゴリズムを開発する

アルゴリズムを SageMaker AI で使用するには、Docker コンテナとしてパッケージ化し、Amazon ECR に保存する必要があります。Docker コンテナには、トレーニングジョブを実行するために使用されるトレーニングコード、およびオプションで、アルゴリズムを使用してトレーニングされたモデルから推論を取得するために使用される推論コードが含まれています。

SageMaker AI でアルゴリズムを開発し、それらをコンテナとしてパッケージ化する方法については、「モデルのトレーニングとデプロイのための Docker コンテナ」を参照してください。アルゴリズムコンテナの作成方法の完全な例については、https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html のサンプルノートブックを参照してください。サンプルのノートブックは、SageMaker ノートブックインスタンスにもあります。このノートブックはアドバンスト機能セクションにあり、scikit_bring_your_own.ipynb という名前が付いています。

公開するアルゴリズムリソースを作成する前に、常にアルゴリズムを徹底的にテストしてくださいAWS Marketplace。

SageMaker AI でモデルを開発する

SageMaker AI のデプロイ可能なモデルは、推論コード、モデルアーティファクト、リソースへのアクセスに使われる IAM ロール、および SageMaker AI でモデルをデプロイするために必要なその他の情報で構成されています。モデルアーティファクトは、機械学習アルゴリズムを使用してモデルをトレーニングした結果です。推論コードは Docker コンテナにパッケージ化し、Amazon ECR に保存する必要があります。モデルアーティファクトは、推論コードと同じコンテナでパッケージ化するか、Amazon S3 に保存します。

モデルを作成するには、SageMaker AI でトレーニングジョブを実行するか、SageMaker AI 以外の機械学習アルゴリズムをトレーニングします。SageMaker AI でトレーニングジョブを実行すると、結果として得られるモデルアーティファクトは、DescribeTrainingJob オペレーションの呼び出しに対するレスポンスの [ModelArtifacts] フィールドに表示されます。SageMaker AI モデルコンテナを開発する方法については、「カスタム推論コードを持つコンテナ」を参照してください。SageMaker AI 以外でトレーニングされたモデルからモデルコンテナを作成する方法の完全なサンプルについては、サンプルノートブック (https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html) を参照してください。

公開するモデルパッケージを作成する前に、常にモデルを徹底的にテストしてくださいAWS Marketplace。