python - 使用新的端点配置更新 Sagemaker 端点
问题描述
与 Sagemaker 重新训练模型的自动化有点混淆。
目前我有一个使用 SagemakerLinearLerner
模型进行分类任务的笔记本实例。所以使用Estimator
我进行培训,然后部署模型创建Endpoint
. 之后使用Lambda
函数调用此端点,我将其添加到API Gateway
接收 api 端点,该端点可用于 POST 请求并用类发回响应。
现在我面临着再培训的问题。为此,我使用serverless
方法和lambda
函数为 training_jobs 获取环境变量。但是 Sagemaker 不允许重写训练作业并且您只能创建新的问题。我的目标是在新的训练作业和新的端点配置将应用于现有端点时自动化部分,我不需要在 API 网关中更改任何内容。是否有可能以某种方式自动将新的端点配置附加到现有端点?
谢谢
解决方案
如果我正确理解了这个问题,您应该能够在训练作业快结束时使用CreateEndpointConfig ,然后使用UpdateEndpoint:
Deploys the new EndpointConfig specified in the request, switches to using newly created endpoint, and then deletes resources provisioned for the endpoint using the previous EndpointConfig (there is no availability loss).
如果 API Gateway / Lambda 通过端点 ARN 路由,则在使用UpdateEndpoint
.
推荐阅读
- java - Java 8:如何在列表内的对象中获取特定值而不将流转换回列表并在第 0 个位置获取值?
- java - 在 apache spark 中读取大量文件的最佳实践
- c++ - 左移 << 如何在不同的函数中给出不同的结果?
- ruby - Ruby Vagrant 网络配置重复问题,一些对象引用问题
- c# - SSIS 脚本组件增量变量
- c - 可以将一个发送分解为多个接收吗?
- php - 根据子数组值,然后主数组键对 PHP 多维数组进行排序
- laravel - Laravel 验证
- r - 形成一个长度为 100 的向量 A,其奇数和偶数位置值分别为 2 和 3
- python - 在不使用全局变量的情况下保持本地列表更新