在 AWS SageMaker 上重新托管经过训练的模型
Re-hosting a trained model on AWS SageMaker
我已经从这些 examples provided by AWS 开始探索 AWS SageMaker。然后我对该特定设置进行了一些修改，以便它使用我的用例中的数据进行训练。
现在，随着我继续处理这个模型和调整，在我删除推理端点一次后，我希望能够重新创建相同的端点——即使在停止并重新启动笔记本实例之后（所以notebook / kernel session is no longer valid) -- 使用已经训练好的模型工件上传到 /output 文件夹下的 S3。
现在我不能简单地直接跳到这行代码：
bt_endpoint = bt_model.deploy(initial_instance_count = 1,instance_type = 'ml.m4.xlarge')
我做了一些搜索 -- 包括 amazon's own example of hosting pre-trained models，但我有点迷路了。我将不胜感激任何我可以效仿和适应我的情况的指导、示例或文档。
您的评论是正确的 - 您可以在给定现有 EndpointConfiguration 的情况下重新创建 Endpoint。这可以通过控制台、AWS CLI 或 SageMaker boto 客户端完成。
我已经从这些 examples provided by AWS 开始探索 AWS SageMaker。然后我对该特定设置进行了一些修改，以便它使用我的用例中的数据进行训练。
现在，随着我继续处理这个模型和调整，在我删除推理端点一次后，我希望能够重新创建相同的端点——即使在停止并重新启动笔记本实例之后（所以notebook / kernel session is no longer valid) -- 使用已经训练好的模型工件上传到 /output 文件夹下的 S3。
现在我不能简单地直接跳到这行代码：
bt_endpoint = bt_model.deploy(initial_instance_count = 1,instance_type = 'ml.m4.xlarge')
我做了一些搜索 -- 包括 amazon's own example of hosting pre-trained models，但我有点迷路了。我将不胜感激任何我可以效仿和适应我的情况的指导、示例或文档。
您的评论是正确的 - 您可以在给定现有 EndpointConfiguration 的情况下重新创建 Endpoint。这可以通过控制台、AWS CLI 或 SageMaker boto 客户端完成。