amazon-web-services - 如何在 amazon sagemaker 中加载训练有素的模型?
问题描述
我正在关注如何在 Amazon-sagemaker 中训练机器学习模型的示例。
data_location = 's3://{}/kmeans_highlevel_example/data'.format(bucket)
output_location = 's3://{}/kmeans_highlevel_example/output'.format(bucket)
print('training data will be uploaded to: {}'.format(data_location))
print('training artifacts will be uploaded to: {}'.format(output_location))
kmeans = KMeans(role=role,
train_instance_count=2,
train_instance_type='ml.c4.8xlarge',
output_path=output_location,
k=10,
epochs=100,
data_location=data_location)
那么在调用 fit 函数后,模型应该保存在 S3 存储桶中吗?下次怎么加载这个模型?
解决方案
这可以通过将 sagemaker 库与推理模型结合使用来完成。
model = sagemaker.model.Model(
image=image
model_data='s3://bucket/model.tar.gz',
role=role_arn)
您传入的选项是:
image
- 这是您用于推理的 ECR 图像(应该用于您尝试使用的算法)。路径可在此处获得。model_data
- 这是存储模型的路径(在tar.gz
压缩存档中)。role
- 这是一个既能从 ECR 中提取图像又能获取 s3 存档的角色的角色。
成功完成此操作后,您将需要设置一个端点,这可以通过在您的笔记本中通过部署功能执行以下操作来完成。
model.deploy(
initial_instance_count=1,
instance_type='ml.p2.xlarge'
)
推荐阅读
- typescript - 为什么打字稿抱怨计算的属性名称?
- angular - 如何使用来自服务器的实时数据构建表单(使用 Angular 反应式表单 - 表单构建器)
- ubuntu - Cronjob:一次执行 n 个命令实例
- go - 如何使用自定义 go build 约束/标签部署 golang 谷歌云功能?
- c# - 请求中止:无法在主机上创建 SSL/TLS 安全通道,本地运行正常
- azure - 在同步函数中使用等待
- install4j - Linux install4j 安装程序在卸载时将目标文件夹权限更改/重置为默认 (755)
- java - 警报对话框中的可单击文本链接以打开活动
- sql-server - 将图像的动态列表存储在 1 行中
- .htaccess - htaccess 中文档根目录上方的相对路径