python - 如何使用 s3 中的预训练模型来预测某些数据？

Question

我已经使用 sagemaker 训练了一个语义分割模型，输出已保存到 s3 存储桶中。我想从 s3 加载这个模型来预测 sagemaker 中的一些图像。

我知道如何预测我是否在训练后让笔记本实例继续运行，因为它只是一个简单的部署，但如果我想使用旧模型，这并没有真正帮助。

我查看了这些资源并能够自己想出一些东西，但它不起作用因此我在这里:

https://course.fast.ai/deployment_amzn_sagemaker.html#deploy-to-sagemaker https://aws.amazon.com/getting-started/tutorials/build-train-deploy-machine-learning-model-sagemaker/

https://sagemaker.readthedocs.io/en/stable/pipeline.html

https://github.com/awslabs/amazon-sagemaker-examples/blob/master/advanced_functionality/inference_pipeline_sparkml_xgboost_abalone/inference_pipeline_sparkml_xgboost_abalone.ipynb

我的代码是这样的:

from sagemaker.pipeline import PipelineModel
from sagemaker.model import Model

s3_model_bucket = 'bucket'
s3_model_key_prefix = 'prefix'
data = 's3://{}/{}/{}'.format(s3_model_bucket, s3_model_key_prefix, 'model.tar.gz')
models = ss_model.create_model() # ss_model is my sagemaker.estimator

model = PipelineModel(name=data, role=role, models= [models])
ss_predictor = model.deploy(initial_instance_count=1, instance_type='ml.c4.xlarge')

Answer 1

您实际上可以从现有工件中实例化 Python SDK model 对象，并将其部署到端点。这使您可以从经过训练的工件中部署模型，而无需在笔记本中重新训练。例如，对于语义分割模型:

trainedmodel = sagemaker.model.Model(
    model_data='s3://...model path here../model.tar.gz',
    image='685385470294.dkr.ecr.eu-west-1.amazonaws.com/semantic-segmentation:latest',  # example path for the semantic segmentation in eu-west-1
    role=role)  # your role here; could be different name

trainedmodel.deploy(initial_instance_count=1, instance_type='ml.c4.xlarge')

同样，您可以使用以下命令从支持 SDK 的任何经过身份验证的客户端实例化已部署端点上的预测器对象:

predictor = sagemaker.predictor.RealTimePredictor(
    endpoint='endpoint name here',
    content_type='image/jpeg',
    accept='image/png')

关于这些抽象的更多信息:

• 型号:https://sagemaker.readthedocs.io/en/stable/model.html
• 预测器: https://sagemaker.readthedocs.io/en/stable/predictors.html