Amazon SageMaker AI 엔드포인트 - AWS 권장 가이드

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Amazon SageMaker AI 엔드포인트

Amazon SageMaker AI는 관리형 ML 서비스로, 모델을 빌드 및 훈련한 다음 프로덕션 지원 호스팅 환경에 배포할 수 있도록 지원합니다. Amazon SageMaker AI Canvas와 달리 SageMaker AI에서 모델을 사용할 수 있는 ready-to-use 옵션은 없습니다. SageMaker AI에서는 샘플 데이터를 제공하고 모델을 훈련할 책임이 있습니다. 이를 통해 더 많은 제어 권한과 운영 오버헤드 및 책임을 얻을 수 있습니다.

SageMaker AI에서 사용자 지정 모델을 실시간 또는 서버리스 엔드포인트로 배포할 수 있습니다. 또는 애플리케이션 요구 사항에 따라 배치 변환을 사용할 수 있습니다. 모델을 SageMaker AI 엔드포인트로 배포하지 않더라도 SageMaker AI가 생성하는 모델 아티팩트를 사용자 지정 배포에 사용할 수 있습니다. SageMaker AI 이미지 분류 모델의 예제는 다음 리소스를 참조하세요 GitHub.

모델이 훈련된 후에는 SageMaker AI Neo를 사용하여 모델을 컴파일하고 계산 효율성을 높일 수 있습니다. Neo는 Android, Linux 및 Windows 시스템에서 추론하기 위해 Gluon, Keras, MXNet, , , PyTorch TensorFlow TensorFlow-Lite 및 ONNX 모델을 자동으로 최적화합니다. 자세한 내용은 Neo를 사용하여 모델 성능 최적화를 참조하세요.

AI의 장점은 SageMaker 다음과 같습니다.

  • 모델 아키텍처, 목표 및 훈련 절차의 전체 제어

  • 엔드포인트 배포의 인스턴스 유형을 선택하는 기능

  • 효율적인 배포를 위해 SageMaker AI Neo로 모델을 컴파일하는 기능

다음은 SageMaker AI의 단점입니다.

  • 수동 설정에는 자동화된 접근 방식보다 더 많은 작업이 필요합니다.

SageMaker AI에 대한 자세한 내용은 다음을 참조하세요.