能批次轉換的自訂推論程式碼 - Amazon SageMaker AI
SageMaker AI 執行推論映像的方式SageMaker AI 載入模型成品的方式容器處理請求的方式 容器對推論請求應有的回應方式容器對運作狀態檢查 (Ping) 請求應有的回應方式

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。

能批次轉換的自訂推論程式碼

本節說明 Amazon SageMaker AI 如何與執行您自有的推論程式碼以進行批次轉換的 Docker 容器互動。請運用本文資訊來撰寫推論程式碼和建立 Docker 映像。

SageMaker AI 執行推論映像的方式

欲設定容器做為可執行檔來執行，請使用 Dockerfile 的 ENTRYPOINT 指示。注意下列事項：

  • 對於批次轉換，SageMaker AI 會代表您調用模型。SageMaker AI 用下列方式執行容器：

    docker run image serve

    批次轉換的輸入必須採用可以分割成較小檔案以利平行處理的格式。這些格式包括 CSV、JSON、JSON 行、TFRecord 和 RecordIO。

    SageMaker AI 在映像名稱後指定 serve 引數，藉此覆寫容器中預設的 CMD 陳述式。您在 Dockerfile 中搭配 CMD 指令提供的引數，會被 serve 引數覆寫。

     

  • 建議使用 ENTRYPOINT 指示的 exec 格式：

    ENTRYPOINT ["executable", "param1", "param2"]

    例如：

    ENTRYPOINT ["python", "k_means_inference.py"]

     

  • SageMaker AI 會在您的容器上設定於 CreateModel 和 CreateTransformJob 中指定的環境變數。此外會填入以下環境變數：

    • 容器執行批次轉換時，SAGEMAKER_BATCH 設定為 true。

    • SAGEMAKER_MAX_PAYLOAD_IN_MB 設定為透過 HTTP 傳送到容器的承載最大大小。

    • 容器一次呼叫收到一筆記錄以調用時，SAGEMAKER_BATCH_STRATEGY 會設定為 SINGLE_RECORD；但當容器收到承載能接受的記錄數量上限時，其會設定為 MULTI_RECORD。

    • SAGEMAKER_MAX_CONCURRENT_TRANSFORMS 設為 /invocations 請求可同時開啟的數量上限。

    注意

    最後三個環境變數來自使用者發出的 API 呼叫。如果使用者不設定其值，就不傳遞。在這種情況下，會使用預設值或演算法請求的值 (回應 /execution-parameters)。

  • 如果您計劃在模型推論中使用 GPU 裝置 (在您的 CreateTransformJob 請求中指定以 GPU 為基礎的機器學習 (ML) 運算執行個體)，請確保您的容器與 nvidia-docker 相容。請勿將 NVIDIA 驅動程式與映像整合成套件。如需 nvidia-docker 的詳細資訊，請參閱 NVIDIA/nvidia-docker。

     

  • 您無法將 init 初始設定式作為 SageMaker AI 容器的進入點使用，因為訓練和服務引數會混淆該設定式。

SageMaker AI 載入模型成品的方式

在 CreateModel 請求中，容器定義包含 ModelDataUrl 參數，該參數可識別出儲存模型成品的 Amazon S3 位置。使用 SageMaker AI 執行推論時，其使用此資訊來決定從哪裡複製模型成品。其會將成品複製到 Docker 容器的 /opt/ml/model 目錄內，以供您的推論程式碼使用。

ModelDataUrl 參數必須指向 tar.gz 檔案。否則，SageMaker AI 無法下載檔案。如果您在 SageMaker AI 中訓練模型，其會將成品作為單一壓縮 tar 檔案儲存在 Amazon S3 中。如果您在另一個架構中訓練模型，則需要將模型成品以壓縮的 tar 檔案形式存放在 Amazon S3 中。SageMaker AI 會在批次轉換任工作開始之前將此 tar 檔案解壓縮，並將其儲存在容器中的 /opt/ml/model 目錄。

容器處理請求的方式

容器必須實作一個 Web 伺服器，用以在 8080 連接埠上回應調用和 ping。對於批次轉換，您可以選擇設定演算法來實作執行參數請求，以提供動態執行期組態給 SageMaker AI。SageMaker AI 使用下列端點：

  • ping — 用於定期檢查容器的運作狀態。SageMaker AI 會等待成功 ping 請求的 HTTP 200 狀態碼和空內文，然後才傳送調用請求。您可以使用 ping 請求來將模型載入到記憶體，以便在傳送調用請求時產生推論。

  • (選用) execution-parameters — 允許演算法在執行期為工作提供最佳的調校參數。根據容器可用的記憶體和 CPU，演算法會為工作選擇適當的 MaxConcurrentTransforms、BatchStrategy 和 MaxPayloadInMB 值。

呼叫調用請求之前，SageMaker AI 會嘗試調用執行參數請求。建立批次轉換工作時，您可以提供 MaxConcurrentTransforms、BatchStrategy 和 MaxPayloadInMB 參數的值。SageMaker AI 使用此優先順序來決定這些參數的值：

  1. 您建立 CreateTransformJob 請求時提供的參數值。

  2. SageMaker AI 調用執行參數端點時，模型容器傳回的值。

  3. 下表列出的預設參數值。

    參數 預設值
    MaxConcurrentTransforms

    1
    BatchStrategy

    MULTI_RECORD
    MaxPayloadInMB

    6

GET 執行參數請求的回應是 JSON 物件，具有 MaxConcurrentTransforms、BatchStrategy 和 MaxPayloadInMB 參數的索引鍵。這是有效回應的範例：

{
“MaxConcurrentTransforms”: 8,
“BatchStrategy": "MULTI_RECORD",
"MaxPayloadInMB": 6
}

容器對推論請求應有的回應方式

為了獲得推論，Amazon Sagemaker AI 會傳送一個 POST 請求到推論容器。POST 請求內文包含來自 Amazon S3 的資料。Amazon SageMaker AI 將請求傳遞至容器，再從容器傳回推論結果，將回應中的資料儲存到 Amazon S3。

為了接收推論請求，容器必須擁有可以監聽 8080 連接埠的 Web 伺服器，且需接受對 /invocations 端點的 POST 請求。可透過 ModelClientConfig 設定推論請求逾時和重試次數上限。

容器對運作狀態檢查 (Ping) 請求應有的回應方式

容器上最簡單的請求是以 HTTP 200 狀態碼和空內文做為回應。這是通知 SageMaker AI，容器已準備好可在 /invocations 端點接受推論請求。

雖然容器的最低標準是傳回靜態的 200，容器開發人員也能運用此功能來進行更加深入的檢查。/ping 嘗試的請求逾時為 2 秒。