借助AWS SageMaker，是否可以使用sagemaker SDK部署预训练的模型？

Question

我试图避免将现有的模型训练过程迁移到SageMaker，并避免创建自定义Docker容器来承载我们的训练模型。

我的希望是将我们现有的，经过训练的模型注入AWS通过sagemaker-python-sdk提供的预先构建的scikit学习容器中。我发现的所有示例都需要先训练模型，然后再在SageMaker中创建模型/模型配置。然后使用deploy方法进行部署。

是否可以为deploy方法提供经过训练的模型，并将其托管在AWS提供的预先构建的scikit学习容器中？

作为参考，the examples我见过遵循以下操作顺序：

1. 创建sagemaker.sklearn.estimator.SKLearn的实例并提供训练脚本
2. 在其上调用fit方法
3. 这将在SageMaker中创建模型/模型配置
4. 在deploy实例上调用SKLearn方法，该方法自动获取在第2/3步中创建的模型，并将其作为HTTPS端点部署在预构建scikit学习容器中。

Answer 1

是的，您可以将现有模型导入SageMaker。

对于scikit-learn，您可以使用SKLearnModel（）对象从S3加载模型并在SageMaker中创建它。然后，您可以照常部署它。

https://sagemaker.readthedocs.io/en/latest/sagemaker.sklearn.html

这是一个基于MXNet的完整示例，它将为您指明正确的方向： https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_onnx_superresolution/mxnet_onnx.ipynb