【发布时间】:2019-03-16 16:08:00
【问题描述】:
我已经从这些 examples provided by AWS 开始探索 AWS SageMaker。然后我对这个特定设置进行了一些修改,以便它使用我的用例中的数据进行训练。
现在,随着我继续研究这个模型和调整,在我删除一次推理端点之后,我希望能够重新创建相同的端点——即使在停止并重新启动笔记本实例之后(所以笔记本 /内核会话不再有效)- 使用已训练的模型工件,该模型工件已上传到 /output 文件夹下的 S3。
现在我不能直接跳到这行代码:
bt_endpoint = bt_model.deploy(initial_instance_count = 1,instance_type = 'ml.m4.xlarge')
我做了一些搜索——包括amazon's own example of hosting pre-trained models,但我有点迷茫。我将不胜感激任何可以效仿并适应我的案例的指导、示例或文档。
【问题讨论】:
-
我正在继续我的研究,发现了 3 条可能的线索 --
-
... (1.) 看起来您可以从 AWS sagemaker 控制台执行此操作:终端节点 > 创建终端节点 > 使用现有终端节点配置 (2.) 将模型部署到 Amazon SageMaker 托管服务: github.com/awsdocs/amazon-sagemaker-developer-guide/blob/master/… (3.) SageMaker Python SDK:github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/… 特别是第 708 行以后 ...'def endpoint_from_model_data(self, model_s3_location, ...'
标签: amazon-web-services amazon-sagemaker