使用AWS SageMaker，是否可以使用SageMaker SDK部署预先培训的模型？
我试图避免将现有的模型训练过程迁移到SageMaker，并避免创建一个定制Docker容器来承载我们训练过的模型。
我的希望是将我们现有的、经过培训的模型注入AWS通过sagemaker python sdk提供的预构建scikit学习容器中。我发现的所有示例都需要先培训模型，然后在SageMaker中创建模型/模型配置。然后使用deploy方法进行部署。
是否可以为deploy方法提供经过培训的模型，并将其托管在AWS提供的预构建scikit学习容器中？
作为参考，我看到的示例遵循以下操作顺序：
- 创建
sagemaker.sklearn.estimator.SKLearning的实例并提供训练脚本 - 调用上面的
fi方法 - 这将在SageMaker中创建模型/模型配置
- 调用
SKLearning实例上的部署方法，该方法自动获取步骤2/3中创建的模型，并将其部署在预构建的Scikit学习容器中，作为HTTPS终结点。
共有1个答案
是的，您可以导入现有的模型到SageMaker。
对于Scikit学习，您将使用SKLearnModel（）对象从S3加载到模型，并在SageMaker中创建它。然后，您可以像往常一样部署它。
https://sagemaker.readthedocs.io/en/latest/sagemaker.sklearn.html
下面是一个基于MXNet的完整示例，它将为您指明正确的方向：https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_onnx_superresolution/mxnet_onnx.ipynb
-
我有一个预先训练好的模型，我正在从S3 Bucket加载到AWS SageMaker笔记本实例中，在提供测试图像用于从S3 Bucket进行预测后，它会根据需要为我提供准确的结果。我想部署它，这样我就可以有一个endpoint，我可以进一步与AWS Lambda函数和AWS API网关集成，这样我就可以使用实时应用程序的模型。知道如何从AWS Sagemaker笔记本实例部署模型并获取其endpo
-
我有一个模型。预训练的pkl文件以及与ml模型相关的所有其他文件。我想把它部署到aws sagemaker上。但是在没有培训的情况下，如何将其部署到aws sagmekaer，就像aws sagemaker中的fit（）方法一样，运行train命令并推送模型。焦油gz到s3位置，当使用deploy方法时，它使用相同的s3位置来部署模型，我们不会在s3中手动创建与aws模型创建的位置相同的位置，并使
-
问题内容： 加载Angular应用后，我需要一些模板可以脱机使用。 这样的事情将是理想的： 问题答案： 有一个 模板缓存服务 ：$ templateCache ，可用于在javascript模块中预加载模板。 例如，取自文档： 甚至还有一个艰巨的任务，可以从html文件中预先生成一个javascript模块：grunt-angular- templates 另一种可能不太灵活的方法是使用 内联模板
-
问题内容： 这是我的代码，我基本上只是为最常见的侦听器做了一个测试器，以后我可能会在以后的项目中使用它，主要的问题是在底部的键侦听器中，我试图重新显示框架，但我认为只是无法做到这一点，请帮助ps：不知道为什么进口不正确。 } 问题答案： 可见组件可以具有键盘焦点，并且可以接收键盘和其他输入事件，但是不可见组件不能具有焦点，也不能接收输入事件。使框架不可见时，它停止接收输入事件，包括所有要添加的组件
-
我希望使用AWS Sagemaker工作流部署一个预训练的模型，用于实时行人和/或车辆检测，我特别想使用Sagemaker Neo编译模型并将其部署在边缘。我想从他们的模型动物园中使用OpenVino的预构建模型之一，但是当我下载模型时，它已经是他们自己的优化器的中间表示（IR）格式。 > 如果没有，是否有任何免费的预训练模型（使用任何流行的框架，如pytorch，tenorflow，ONXX等）
-
如何在Wildfly/JBoss上使用javaagent部署和运行war-application？有可能吗？