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

# 섀도우 변형을 사용한 모델 테스트
<a name="model-shadow-deployment"></a>

 SageMaker AI 모델 섀도우 배포를 사용하여 장기 실행 섀도우 변형을 만들면 프로덕션으로 승격하기 전에 모델 제공 스택의 새로운 후보 구성 요소를 검증할 수 있습니다. 다음 다이어그램은 섀도우 변형의 작동 방식을 자세히 보여줍니다.

![섀도우 변형의 세부 사항.](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/juxtaposer/shadow-variant.png)


## 섀도우 변형 배포
<a name="model-shadow-deployment-deploy"></a>

 다음 코드 예제는 섀도우 변형을 프로그래밍 방식으로 배포하는 방법을 보여줍니다. 예제의 {{사용자 자리표시자 텍스트}}를 본인의 정보로 대체하세요.

1.  SageMaker AI 모델 2개를 만듭니다. 하나는 프로덕션 변형용이고 다른 하나는 섀도우 변형용입니다.

   ```
   import boto3
   from sagemaker import get_execution_role, Session
                   
   aws_region = "{{aws-region}}"
   
   boto_session = boto3.Session(region_name=aws_region)
   sagemaker_client = boto_session.client("sagemaker")
   
   role = get_execution_role()
   
   bucket = Session(boto_session).default_bucket()
   
   model_name1 = "{{name-of-your-first-model}}"
   model_name2 = "{{name-of-your-second-model}}"
   
   sagemaker_client.create_model(
       ModelName = model_name1,
       ExecutionRoleArn = role,
       Containers=[
           {
               "Image": "{{ecr-image-uri-for-first-model}}",
               "ModelDataUrl": "{{s3-location-of-trained-first-model}}" 
           }
       ]
   )
   
   sagemaker_client.create_model(
       ModelName = model_name2,
       ExecutionRoleArn = role,
       Containers=[
           {
               "Image": "{{ecr-image-uri-for-second-model}}",
               "ModelDataUrl": "{{s3-location-of-trained-second-model}}" 
           }
       ]
   )
   ```

1.  엔드포인트 구성 생성. 구성에서 프로덕션과 섀도우 버전을 모두 지정합니다.

   ```
   endpoint_config_name = {{name-of-your-endpoint-config}}
   
   create_endpoint_config_response = sagemaker_client.create_endpoint_config(
       EndpointConfigName=endpoint_config_name,
       ProductionVariants=[
           {
               "VariantName": {{name-of-your-production-variant}},
               "ModelName": model_name1,
               "InstanceType": {{"ml.m5.xlarge"}},
               "InitialInstanceCount": {{1}},
               "InitialVariantWeight": {{1}},
           }
       ],
       ShadowProductionVariants=[
           {
               "VariantName": {{name-of-your-shadow-variant}},
               "ModelName": model_name2,
               "InstanceType": {{"ml.m5.xlarge"}},
               "InitialInstanceCount": {{1}},
               "InitialVariantWeight": {{1}},
           }
      ]
   )
   ```

1. 엔드포인트를 생성합니다.

   ```
   create_endpoint_response = sm.create_endpoint(
       EndpointName={{name-of-your-endpoint}},
       EndpointConfigName=endpoint_config_name,
   )
   ```