在 Amazon SageMaker AI 中开发算法和模型

您必须先开发算法和模型并将它们打包到 Docker 容器中，然后才能在 Amazon SageMaker AI 中创建或在 AWS Marketplace 中上架算法和模型包。

在 SageMaker AI 中开发算法

算法应打包作为 Docker 容器并存储在 Amazon ECR 中，以在 SageMaker AI 中使用。Docker 容器包含用于运行训练作业的训练代码，以及（可选）用于从使用该算法训练的模型中获取推理的推理代码。

有关在 SageMaker AI 中开发算法以及将其打包为容器的信息，请参阅用于训练和部署模型的 Docker 容器。有关如何创建算法容器的完整示例，请参阅位于 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.html 的示例笔记本。您也可在 SageMaker 笔记本实例中查看示例笔记本。笔记本位于 Advanced Functionality (高级功能) 部分，名为 scikit_bring_your_own.ipynb。

创建在 AWS Marketplace 上发布的算法资源之前，请务必对您的算法进行全面的测试。

在 SageMaker AI 中开发模型

SageMaker AI 中的可部署模型由推理代码、模型构件、用于访问资源的 IAM 角色以及在 SageMaker AI 中部署模型所需的其他信息组成。模型构件是使用机器学习算法训练模型的结果。推理代码必须打包在 Docker 容器中并存储在 Amazon ECR 中。您可以将模型构件打包到与推理代码相同的容器中，也可将其存储在 Amazon S3 中。

您可通过在 SageMaker AI 中运行训练作业创建模型，或者通过在 SageMaker AI 之外训练机器学习算法来创建模型。如果您在 SageMaker AI 中运行训练作业，则生成的模型构件可在 ModelArtifacts 字段中用于响应对 DescribeTrainingJob 操作的调用。有关如何开发 SageMaker AI 模型容器的信息，请参阅具有自定义推理代码的容器。有关如何利用在 SageMaker AI 之外训练的模型创建模型容器的完整示例，请参阅位于 https://sagemaker-examples.readthedocs.io/en/latest/advanced_functionality/xgboost_bring_your_own_model/xgboost_bring_your_own_model.html 的示例笔记本。

创建在 AWS Marketplace 上发布的模型包之前，请务必对您的模型进行全面的测试。