SageMaker: преобразование конечной точки с помощью предварительно обученной модели - PullRequest
Новая
       28

SageMaker: преобразование конечной точки с помощью предварительно обученной модели

0 голосов
/ 17 марта 2020

У меня есть предварительно обученная модель XgBoost для классификации нескольких меток, я могу развернуть ее как конечную точку, используя функции create_model, create_endpoint_configuration и create_endpoint клиента sagemaker. Когда он вызывается, он возвращает список вероятностей для каждой метки.

Теперь я хочу преобразовать вывод конечной точки из списка вероятностей в фактические метки, представляющие эти вероятности.

Я знаю, что могу использовать оценщик XGBoost и entry_point, чтобы написать свой output_fn. Но я все же хотел бы использовать клиентские функции sagemaker, поскольку они обеспечивают больший контроль над нашим конвейером CI / CD.

Как использовать entry_point (или что-то подобное) в клиентских функциях sagemaker, которые я уже использую?

1 Ответ

1 голос
/ 18 марта 2020

Вы можете создать собственный образ xgboost для запуска вашей модели. Я имею в виду, что вы обновляете код, сборку образа и pu sh до ECR, а затем используете его как образ sagemaker

Вот как aws построить образ xgboost. https://github.com/aws/sagemaker-xgboost-container

Некоторые полезные ссылки: https://github.com/awslabs/amazon-sagemaker-examples/tree/master/advanced_functionality/scikit_bring_your_own/container https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-inference-code.html https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-training-algo.html

...