As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Entenda as opções para implantar modelos e obter inferências na Amazon AI SageMaker
Para ajudar você a começar a usar a inferência de SageMaker IA, consulte as seções a seguir, que explicam suas opções para implantar seu modelo em SageMaker IA e obter inferências. A seção [Opções de inferência na Amazon AI SageMaker](deploy-model-options.md) pode ajudá-lo a determinar qual atributo é mais adequado ao seu caso de uso para inferência.
Você pode consultar a [Recursos](inference-resources.md) seção para obter mais informações sobre solução de problemas e referência, blogs e exemplos para ajudar você a começar, além de informações comuns FAQs.
**Topics**
+ [Antes de começar](#deploy-model-prereqs)
+ [Etapas para a implantação do modelo](#deploy-model-steps)
+ [Opções de inferência na Amazon AI SageMaker](deploy-model-options.md)
+ [Opções avançadas de endpoint para inferência com a Amazon AI SageMaker](deploy-model-advanced.md)
+ [Próximas etapas para inferência com a Amazon AI SageMaker](deploy-model-next-steps.md)
## Antes de começar
Esses tópicos pressupõem que você tenha criado e treinado um ou mais modelos de machine learning e esteja pronto para implantá-los. Você não precisa treinar seu modelo em SageMaker IA para implantá-lo em SageMaker IA e obter inferências. Se você não tem seu próprio modelo, também pode usar os [algoritmos integrados da SageMaker IA ou modelos pré-treinados](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html).
Se você é iniciante na SageMaker IA e ainda não escolheu um modelo para implantar, siga as etapas do tutorial [Get Started with Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/gs.html). Use o tutorial para se familiarizar com a forma como a SageMaker IA gerencia o processo de ciência de dados e como ela lida com a implantação do modelo. Para obter mais informações sobre treinar um modelo, consulte [Treinar modelos](https://docs.aws.amazon.com/sagemaker/latest/dg/train-model.html).
Para informações adicionais, referência e exemplos, consulte o [Recursos](inference-resources.md).
## Etapas para a implantação do modelo
Para endpoints de inferência, o fluxo de trabalho geral consiste no seguinte:
+ Crie um modelo no SageMaker AI Inference apontando para artefatos de modelo armazenados no Amazon S3 e uma imagem de contêiner.
+ Selecionar uma opção de inferência. Para obter mais informações, consulte [Opções de inferência na Amazon AI SageMaker](deploy-model-options.md).
+ Crie uma configuração de endpoint de inferência de SageMaker IA escolhendo o tipo de instância e o número de instâncias que você precisa por trás do endpoint. Você pode usar o [Amazon SageMaker Inference Recommender](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-recommender.html) para obter recomendações para tipos de instância. Para Inferência Serverless, você só precisa fornecer a configuração de memória necessária com base no tamanho do seu modelo.
+ Crie um endpoint de inferência de SageMaker IA.
+ Invocar seu endpoint para receber uma inferência como resposta.
O diagrama a seguir mostra o fluxo de trabalho anterior.
![\[O fluxo de trabalho descrito no parágrafo anterior mostrando como obter inferências da SageMaker IA.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/inference-workflow-flowchart.png)
Você pode realizar essas ações usando o AWS console, o AWS SDKs, o SDK do SageMaker Python ou o. CloudFormation AWS CLI
Para inferência em lote com transformação em lote, aponte para os artefatos do modelo e os dados de entrada e crie um trabalho de inferência em lote. Em vez de hospedar um endpoint para inferência, a SageMaker IA envia suas inferências para um local Amazon S3 de sua escolha.