Amazon Sagemaker上的非常自定义模型

Question

我试图更好地了解Amazon Sagemaker的工作方式。我有一个计划可以使用我自己的模型运行它。为了简单起见，我将采用以下模型，该模型不需要培训。

def ult_model(x):
    return 2*x

这是我的理解，该如何在Amazon Sagemaker中使用它：

• 我需要创建docker映像。
• 我需要注册docker镜像。
• 我想我可以在app.py文件中声明整个模型了吗？
• 我运行一些代码来注册模型并进行部署（Sagemaker将读取所有内容 来自app.py关于我的模型的信息，包括predict方法）

从概念上讲这是正确的吗？在哪里可以找到与我的模型相似的教程？

P.S。我已经阅读了有关Sagemaker的多个教程

Answer 1

您可以使用SageMaker示例检查Github存储库，例如用于自带容器的存储库：https://github.com/awslabs/amazon-sagemaker-examples/tree/master/advanced_functionality/scikit_bring_your_own/container

SageMaker推理部分的主要思想是简化将模型部署到生产中的过程。生产的含义很广泛，其中包括：

• 性能（使用ngnix，gunicorn和flask提供您的Python代码），
• 自动化（s3中的模型文件，ECR中的docker映像-容器存储库），
• 比例（运行模型的车队的自动比例缩放）
• 实时测试（您可以通过A / B测试来控制每个模型版本的流量百分比）
• 监控（与CloudWatch集成以获取性能指标）
• 安全性（使用对每个端点的IAM权限的细粒度控制）

对于数据科学家而言，使用SageMaker SDK和A / B测试内置功能将新模型部署到生产中也相对容易。

Answer 2

我没有足够的代表对此发表评论，但是Guy链接的SageMaker样本笔记本实际上是一个逐步教程，用于构建和注册自己的容器并将其托管在SageMaker上：https://github.com/awslabs/amazon-sagemaker-examples/blob/master/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.ipynb