Estoy siguiendo este ejemplo sobre cómo entrenar un modelo de aprendizaje automático en Amazon-sagemaker.
data_location = 's3://{}/kmeans_highlevel_example/data'.format(bucket) output_location = 's3://{}/kmeans_highlevel_example/output'.format(bucket) print('training data will be uploaded to: {}'.format(data_location)) print('training artifacts will be uploaded to: {}'.format(output_location)) kmeans = KMeans(role=role, train_instance_count=2, train_instance_type='ml.c4.8xlarge', output_path=output_location, k=10, epochs=100, data_location=data_location)Entonces, después de llamar a la función de ajuste, ¿el modelo debe guardarse en el cubo S3? ¿Cómo puedes cargar este modelo la próxima vez?
Esto se puede hacer usando la biblioteca de sagemaker combinada con el modelo de inferencia .
model = sagemaker.model.Model( image=image model_data='s3://bucket/model.tar.gz', role=role_arn)Las opciones que estás pasando son:
image : esta es la imagen ECR que está utilizando para la inferencia (que debería ser para el algoritmo que está tratando de usar). Las rutas están disponibles aquí .model_data : esta es la ruta donde se almacena su modelo (en un archivo comprimido tar.gz ).role : este es el arn de un rol que es capaz de extraer la imagen de ECR y obtener el archivo s3.Una vez que haya hecho esto con éxito, deberá configurar un punto final, esto se puede hacer realizando lo siguiente en su computadora portátil a través de la función de implementación .
model.deploy( initial_instance_count=1, instance_type='ml.p2.xlarge' )