AWS SageMaker - обучение локально, но развертывание на AWS?

Question

У меня есть следующий вызов с SageMaker:

• Я скачал одну из тетрадей учебника (https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/tensorflow_abalone_age_predictor_using_keras/tensorflow_abalone_age_predictor_using_keras.ipynb)

• Я провел тренинг локально (успешно), изменив следующую строку:

  abalone_estimator = TensorFlow(entry_point='abalone.py',
                         role=role,
                         training_steps= 100,
                         evaluation_steps= 100,                                 
                         hyperparameters={'learning_rate': 0.001},
                         train_instance_count=1,
                         **train_instance_type='local'**)
  
  abalone_estimator.fit(inputs)
  

• Затем я хотел развернуть мою модель в AWS со следующей строкой, но, похоже, SDK развертывает ее локально (она не дает сбоя, я просто вижу, что она работает на моей машине)

  abalone_predictor = abalone_estimator.deploy(initial_instance_count=1, instance_type='ml.m4.xlarge')

Какие-либо советы о том, как это исправить, чтобы он был развернут в AWS, или, в качестве альтернативы, заново загрузить мою модель обучения и развернуть ее в AWS с нуля?

Большое спасибо, Stefan

Answer 1

Проще запустить тренировку снова в SageMaker. В противном случае, вот шаги, которые вам придется сделать.

1. Возьмите файл контрольных точек, сгенерированный во время обучения, и преобразуйте их в модели обслуживания tenorflow.
2. Заархивируйте их в определенном формате и загрузите на S3
3. Затем создайте оценщик, как вы делали выше, и сделайте вывод.

Если вам нужны подробности по каждому из указанных выше шагов, дайте мне знать, но если ваш набор данных не слишком большой, я бы сказал, просто переучитесь на SageMaker.