Очень нестандартная модель на Amazon Sagemaker

Question

Я пытаюсь лучше понять, как работает Amazon Sagemaker.У меня есть план запустить его с моей собственной моделью.Для простоты я собираюсь взять следующую модель, которая не требует обучения.

def ult_model(x):
    return 2*x

Вот мое понимание того, как я должен использовать его с Amazon Sagemaker:

• Мне нужно создать образ докера.
• Мне нужно зарегистрировать образ докера.
• Я полагаю, что могу указать всю свою модель в файле app.py?
• Я запускаю некоторый код для регистрации модели и ее развертывания (Sagemaker прочтет все из app.py о моей модели, включая predict метод)

Является ли это концептуально точным?Где я могу найти учебник, похожий на мою модель?

PS Я уже прочитал несколько учебников о Sagemaker

Answer 1

Мне не хватает представителя, чтобы комментировать, но этот пример записной книжки от SageMaker, который Гай связал, по сути представляет собой пошаговое руководство по созданию и регистрации собственного контейнера и размещению его в SageMaker: https://github.com/awslabs/amazon-sagemaker-examples/blob/master/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.ipynb

Answer 2

Вы можете проверить репозиторий Github с примерами SageMaker, например, для принести свой собственный контейнер: https://github.com/awslabs/amazon-sagemaker-examples/tree/master/advanced_functionality/scikit_bring_your_own/container

Основная идея для логической части SageMaker - сделать это проще.развернуть модели для производства.Средства производства достаточно широки и включают в себя: производительность

• (с использованием ngnix, gunicorn и flask для обслуживания вашего кода Python),
• автоматизация (файлы моделей в s3, образы докеров вECR - хранилище контейнеров), масштаб
• (автоматическое масштабирование парка, на котором работают модели)
• живое тестирование (A / B-тестирование, позволяющее контролировать процент трафика для каждой версии модели)
• мониторинг (интеграция с CloudWatch для показателей производительности)
• безопасность (детальное управление с использованием разрешения IAM для каждой конечной точки)

Это также относительно легко для исследователя данныхдля развертывания новых моделей в производство, используя SageMaker SDK и встроенную функциональность A / B-тестирования.