AWS SageMaker 为什么要创建 S3 存储桶

Question

在 python 中使用 boto3 客户端部署自定义 pytorch 模型时。我注意到创建了一个没有可见对象的新 S3 存储桶。这是有原因的吗？

包含我的模型的存储桶是用关键字“sagemaker”命名的，所以我没有任何问题。

这是我用于部署的代码：

remote_model = PyTorchModel(
                     name = model_name, 
                     model_data=model_url,
                     role=role,
                     sagemaker_session = sess,
                     entry_point="inference.py",
                     # image=image, 
                     framework_version="1.5.0",
                     py_version='py3'
                    )

remote_predictor = remote_model.deploy(
                         instance_type='ml.g4dn.xlarge', 
                         initial_instance_count=1,
                         #update_endpoint = True, # comment or False if endpoint doesns't exist
                         endpoint_name=endpoint_name, # define a unique endpoint name; if ommited, Sagemaker will generate it based on used container
                         wait=True
                         )

Answer 1

它可能是由 SageMaker Python SDK 创建为默认存储桶的。请注意，您编写的代码不是boto3（AWS python SDK），而是sagemaker（link），SageMaker 专用的 Python SDK，它比 boto3 级别更高。

SageMaker Python SDK 在多个地方使用 S3，例如在使用框架估算器时暂存训练代码，以及在使用框架模型（您的情况）部署时暂存推理代码。它使您可以控制要使用的 S3 位置，但如果您不指定它，它可能会使用自动生成的存储桶（如果它具有这样做的权限）。

要控制代码暂存 S3 位置，您可以在 PyTorchEstimator（训练）或 PyTorchModel（服务）中使用参数 code_location