AWS SageMaker - 本地训练但部署到AWS？

Question

AWS SageMaker - 本地训练但部署到AWS？

3

我在使用SageMaker时遇到了以下问题：

I've downloaded one of the tutorial notebooks (https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/tensorflow_abalone_age_predictor_using_keras/tensorflow_abalone_age_predictor_using_keras.ipynb)

I ran the training locally (successfully) with the modifying the following line:

abalone_estimator = TensorFlow(entry_point='abalone.py',
                       role=role,
                       training_steps= 100,
                       evaluation_steps= 100,                                 
                       hyperparameters={'learning_rate': 0.001},
                       train_instance_count=1,
                       **train_instance_type='local'**)

abalone_estimator.fit(inputs)

I then wanted to deploy my model to AWS with the following line but it seems the SDK deploys it locally (it doesn't fail, I just see it running on my machine)

abalone_predictor = abalone_estimator.deploy(initial_instance_count=1, instance_type='ml.m4.xlarge')

有没有关于如何修复问题从而成功部署到AWS，或者重新加载训练模型并从头开始将其部署到AWS的任何提示？

非常感谢，斯特凡

- Stefan

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Raman · Accepted Answer

更简单的方法是在SageMaker上重新运行训练。否则，您需要执行以下步骤：

取出训练期间生成的检查点文件，并将其转换为TensorFlow服务模型。
以特定格式压缩并上传到S3。
然后像上面所做的那样创建评估器并进行推理。

如果您想了解每个具体步骤的详细信息，请告诉我。但是，如果您的数据集不太大，我建议只需在SageMaker上重新训练。