借助 AWS SageMaker，是否可以使用 sagemaker 开发工具包部署预训练模型？答案

【问题标题】：With AWS SageMaker, is it possible to deploy a pre-trained model using the sagemaker SDK?借助 AWS SageMaker，是否可以使用 sagemaker 开发工具包部署预训练模型？
【发布时间】：2019-02-28 01:07:50
【问题描述】：

我正在尝试避免将现有模型训练过程迁移到 SageMaker，并避免创建自定义 Docker 容器来托管我们训练的模型。

我希望将我们现有的经过训练的模型注入 AWS 通过 sagemaker-python-sdk 提供的预构建 scikit 学习容器中。我发现的所有示例都需要先训练模型，这会在 SageMaker 中创建模型/模型配置。然后使用 deploy 方法进行部署。

是否可以为 deploy 方法提供经过训练的模型并将其托管在 AWS 提供的预构建 scikit learn 容器中？

供参考，the examples 我见过遵循以下操作顺序：

创建sagemaker.sklearn.estimator.SKLearn 的实例并提供训练脚本
调用fit方法就可以了
这会在 SageMaker 中创建模型/模型配置
在 SKLearn 实例上调用 deploy 方法，该方法会自动获取在步骤 2/3 中创建的模型并将其部署在预构建的 scikit learn 容器中作为 HTTPS 端点。

【问题讨论】：

标签： python amazon-web-services scikit-learn amazon-sagemaker

【解决方案1】：

是的，您可以将现有模型导入 SageMaker。

对于 scikit-learn，您将使用 SKLearnModel() 对象从 S3 加载到模型并在 SageMaker 中创建它。然后，您可以照常部署它。

https://sagemaker.readthedocs.io/en/latest/sagemaker.sklearn.html

这是一个基于 MXNet 的完整示例，它将为您指明正确的方向： https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_onnx_superresolution/mxnet_onnx.ipynb

【讨论】：

【解决方案2】：

在同一个用例上苦苦挣扎了几天。

我们使用了 sagemaker.model.Model 类和 sagemaker.pipeline.PipelineModel

在这里概述了我们的解决方案。

How to handle custom transformation/ inference and requirements in sagemaker endpoints

【讨论】：