Как использовать протравленную модель для развертывания моей модели машинного обучения с помощью AWS-Sagemaker после предварительной обработки ввода

Question

У меня маринованная модель (скажем, модель XGBoost - xgboost_model.sav).Я хочу иметь возможность получить входные данные json (через вызов API), выполнить некоторую предварительную обработку (например, вычисление пропущенного значения, обработку выбросов и т. Д.), Использовать файл с засечками, чтобы вернуть прогнозируемый результат модели (скажем,float обозначает вероятность).Я хочу создать конечную точку Sagemaker, которую затем можно использовать для получения прогноза (вероятности) с помощью лямбда-функции.(используя boto3)

Я просмотрел примеры записных книжек, предоставленных моим AWS Sagemaker, но не могу понять, как выполнить описанные выше шаги и развернуть мою модель.

Пожалуйста, помогите мне спошаговая инструкция возможно с некоторым базовым кодом.

Answer 1

Вот документация по BYOC для SageMaker - https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms.html

Вы можете упаковать код предварительной обработки в изображение BYOC или использовать функцию конвейера вывода - https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html