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

# 모델 패키지를 사용하여 모델 생성


모델 패키지를 사용하여 호스팅 엔드포인트 생성 또는 배치 변환 작업 실행을 통해 실시간 추론을 얻는 데 사용할 수 있는 배포 가능한 모델을 생성합니다. Amazon SageMaker AI 콘솔, 하위 수준 SageMaker API 또는 [Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable)를 사용하여 모델 패키지에서 배포 가능한 모델을 생성할 수 있습니다.

**Topics**
+ [

## 모델 패키지를 사용하여 모델 생성(콘솔)
](#sagemaker-mkt-model-pkg-model-console)
+ [

## 모델 패키지를 사용하여 모델 생성(API)
](#sagemaker-mkt-model-pkg-model-api)
+ [

## 모델 패키지를 이용한 모델 생성([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))
](#sagemaker-mkt-model-pkg-model-sdk)

## 모델 패키지를 사용하여 모델 생성(콘솔)


**모델 패키지에서 배포 가능한 모델을 생성하려면(콘솔)**

1. [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)에서 SageMaker AI 콘솔을 엽니다.

1. **모델 패키지**를 선택합니다.

1. **내 모델 패키지** 탭의 목록에서 직접 생성한 모델 패키지를 선택하거나 **AWS Marketplace 구독** 탭에서 구독한 모델 패키지를 선택합니다.

1. **Create model**(모델 생성)을 선택합니다.

1. **모델 이름**에 모델의 이름을 입력합니다.

1. **IAM 역할**에서는 다른 서비스를 직접적으로 호출하는 데 필요한 권한이 있는 IAM 역할을 선택하세요. 아니면 **새 역할 생성**을 선택하여 SageMaker AI가 `AmazonSageMakerFullAccess` 관리형 정책이 연결된 역할을 생성하게 하세요. 자세한 내용은 [SageMaker AI 실행 역할을 사용하는 방법](sagemaker-roles.md) 단원을 참조하세요.

1. **VPC**에서는 모델이 액세스하도록 허용하려는 Amazon VPC를 선택하세요. 자세한 내용은 [SageMaker AI에서 호스팅된 엔드포인트에 Amazon VPC의 리소스에 대한 액세스 권한 부여](host-vpc.md) 섹션을 참조하세요.

1. **컨테이너 입력 옵션** 및 **모델 패키지 선택**은 기본값을 그대로 둡니다.

1. 환경 변수의 경우에는 모델 컨테이너에 전달하려는 환경 변수의 이름 및 값을 입력합니다.

1. **태그**에 모델을 관리하기 위한 태그를 하나 이상 지정합니다. 각 태그는 키와 값(선택사항)으로 구성됩니다. 태그 키는 리소스마다 고유해야 합니다.

1. **Create model**(모델 생성)을 선택합니다.

배포 가능한 모델을 생성한 후에는 해당 모델을 사용하여 실시간 추론을 위한 엔드포인트를 설정하거나 전체 데이터 세트에 대한 추론을 얻기 위한 배치 변환 작업을 생성할 수 있습니다. SageMaker AI에서 엔드포인트를 호스팅하는 방법에 대한 자세한 내용은 [추론용 모델 배포](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html)를 참조하세요.

## 모델 패키지를 사용하여 모델 생성(API)


SageMaker API를 통해 모델 패키지를 사용하여 배포 가능한 모델을 생성하려면 해당 모델 패키지의 이름 또는 Amazon 리소스 이름(ARN)을 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html) API에 전달할 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html) 객체의 `ModelPackageName` 필드로 지정하세요.

배포 가능한 모델을 생성한 후에는 해당 모델을 사용하여 실시간 추론을 위한 엔드포인트를 설정하거나 전체 데이터 세트에 대한 추론을 얻기 위한 배치 변환 작업을 생성할 수 있습니다. SageMaker AI에서 호스팅된 엔드포인트에 대한 자세한 내용은 [추론용 모델 배포](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html)를 참조하세요.

## 모델 패키지를 이용한 모델 생성([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))


SageMaker AI Python SDK를 통해 모델 패키지를 사용하여 배포 가능한 모델을 생성하려면 `ModelPackage` 객체를 초기화하고, 해당 모델 패키지의 Amazon 리소스 이름(ARN)을 `model_package_arn` 인수로 전달하세요. 예제:

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

배포 가능한 모델을 생성한 후에는 해당 모델을 사용하여 실시간 추론을 위한 엔드포인트를 설정하거나 전체 데이터 세트에 대한 추론을 얻기 위한 배치 변환 작업을 생성할 수 있습니다. SageMaker AI에서 엔드포인트를 호스팅하는 방법에 대한 자세한 내용은 [추론용 모델 배포](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html)를 참조하세요.