本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 了解机器学习产品
<a name="ml-overview"></a>

 AWS Marketplace 支持两种使用 Amazon A SageMaker I 的机器学习产品类型。模型包产品和算法产品这两种类型都会生成用于预测的可部署推理模型。

## SageMaker AI 模型包
<a name="ml-amazon-sagemaker-model-package"></a>

 A [mazon SageMaker AI 模型包](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-marketplace.html#sagemaker-mkt-model-package)产品包含预训练模型。预训练的模型可以部署在 SageMaker AI 中，以便实时或分批进行推断或预测。本产品包含经过训练的推理组件，其中包含模型构件（如有）。作为卖家，您可以使用 SageMaker AI 训练模型或自带模型。

## SageMaker 人工智能算法
<a name="ml-amazon-sagemaker-algorithm"></a>

 买家可以使用 A [SageMaker I 算法](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-marketplace.html#sagemaker-mkt-algorithm)产品来执行完整的机器学习工作负载。一个算法产品有两个逻辑组件：训练和推理。在 SageMaker AI 中，买家使用自己的数据集使用您的训练组件创建训练作业。训练组件中的算法完成后，它会生成机器学习模型的模型工件。 SageMaker AI 将模型工件保存在买家的亚马逊简单存储服务 (Amazon S3) 存储桶中。 然后，在 SageMaker AI 中，购买者可以部署您的推理组件以及生成的模型工件，以实时或批量执行推理（或预测）。

## 部署推理模型
<a name="ml-deploying-an-inference-model"></a>

 无论推理模型是根据模型包还是算法创建的，都有两种部署方法：
+  **端点**-此方法使用 SageMaker AI 来部署模型并创建 API 端点。买家可以将此端点用作其后端服务的一部分，为其应用程序提供支持。当数据发送到端点时， SageMaker AI 会将其传递到模型容器，并以 API 响应的形式返回结果。端点和容器会继续运行，直到被买家停止。
**注意**  
 在中 AWS Marketplace，端点方法被称为*实时推理*，在 SageMaker AI 文档中，它被称为*托管服务*。有关更多信息，请参阅[在 Amazon A SageMaker I 中部署模型](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-deployment.html)。
+  **批量转换任务** – 在此方法中，买家将数据集存储在 Amazon S3 中进行推理。当批量转换任务启动时， SageMaker AI 会部署模型，将数据从 S3 存储桶传递到模型的容器，然后将结果返回到 Amazon S3 存储桶。任务完成后， SageMaker AI 会停止作业。有关更多信息，请参阅[使用批量转换](https://docs.aws.amazon.com/sagemaker/latest/dg/batch-transform.html)。
**注意**  
 这两种方法对模型都是透明的，因为 SageMaker AI 会将数据传递给模型并将结果返回给买方。