本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Amazon SageMaker AI 端點
Amazon SageMaker AI 是一項受管 ML 服務，可協助您建置和訓練模型，然後將模型部署到生產就緒的託管環境中。與 Amazon SageMaker AI Canvas 不同，您無法選擇在 ready-to-use SageMaker AI 中使用模型。在 SageMaker AI 中，您有責任提供範例資料並訓練模型。這可為您提供更多控制，但操作額外負荷和責任也更高。
您可以在 SageMaker AI 中部署自訂模型做為即時或無伺服器端點。或者，您可以根據應用程式需求使用批次轉換。即使模型不會部署為 SageMaker AI 端點， SageMaker AI 產生的模型成品也可用於自訂部署。如需 SageMaker AI 影像分類模型的範例，請參閱下列資源 GitHub：
訓練模型後，您可以使用 SageMaker AI Neo 編譯模型，並提高運算效率。Neo 會自動最佳化 Gluon、Keras、MXNet、 PyTorch TensorFlow、 TensorFlowLite 和ONNX模型，以便在 Android、Linux 和 Windows 機器上進行推論。如需詳細資訊，請參閱使用 Neo 最佳化模型效能。
以下是 SageMaker AI 的優點：
-
完全控制模型架構、目標和訓練程序
-
為您的端點部署選取執行個體類型的能力
-
能夠使用 SageMaker AI Neo 編譯模型，以實現高效部署
以下是 SageMaker AI 的缺點：
-
手動設定需要比自動化方法更多的人力
如需 SageMaker AI 的詳細資訊，請參閱以下內容：
-
AI 開發人員指南SageMaker 入門
-
AI 開發人員指南中的 Amazon SageMaker AI 機器學習概觀 SageMaker
