sagemaker - 从 tar.gz 文件构建模型答案

【问题标题】：sagemaker - construct model from tar.gz filesagemaker - 从 tar.gz 文件构建模型
【发布时间】：2019-12-10 17:18:53
【问题描述】：

我已经成功训练了一个 sagemaker 模型，model.tar.gz 文件在 s3 上。

现在我想从该文件“重建”模型，然后部署它。我使用了以下代码：


containers = {'us-west-2': '174872318107.dkr.ecr.us-west-2.amazonaws.com/factorization-machines:latest',
              'us-east-1': '382416733822.dkr.ecr.us-east-1.amazonaws.com/factorization-machines:latest',
              'us-east-2': '404615174143.dkr.ecr.us-east-2.amazonaws.com/factorization-machines:latest',
              'eu-west-1': '438346466558.dkr.ecr.eu-west-1.amazonaws.com/factorization-machines:latest'}


fm = sagemaker.model.Model(model_s3_path, containers['eu-west-1'], role=sagemaker.get_execution_role())

我得到了一个 sagemaker.model.Model 类型的对象。

然后我寻求通过

部署模型

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

这个调用的输出是

--------------------------------------------------------------------------------------!

但这会返回一个没有 predict 方法的 NoneType 对象。但是，模型的端点已创建。

我做错了什么？

【问题讨论】：

标签： amazon-web-services amazon-sagemaker

【解决方案1】：

在我的代码示例中，部署也没有相关的返回值。但是在部署之后，我必须使用端点名称创建预测器：

endpoint_name = 'rf-scikit-endpoint-xxx'

model.deploy(
  instance_type='ml.c5.large',
  initial_instance_count=1,
  endpoint_name=endpoint_name)

predictor = sagemaker.sklearn.model.SKLearnPredictor(endpoint_name=endpoint_name)

你能以类似的方式继续吗？

【讨论】：