我正在关注此tutorial。它显示了如何直接从模型工件进行部署:
from sagemaker.tensorflow import TensorFlowModel
tf_model = TensorFlowModel(model_data='s3://mybucket/model.tar.gz',
role='MySageMakerRole',
entry_point='entry.py',
name='model_name')
predictor = tf_model.deploy(initial_instance_count=1, instance_type='ml.c4.xlarge')
我很好奇s3://mybucket/model.tar.gz
中存储了哪种对象?是tf.estimator.EstimatorSpec还是tf.estimator.Estimator还是其他?有示例如何构建和存储该对象吗?
答案 0 :(得分:2)
model.tar.gz是SavedModel
或训练阶段的输出。您可以从能够训练TF模型的每个来源生成该文件,包括SageMaker训练工作(例如,参见here,Colab等)。