我正在尝试避免将现有的模型训练流程迁移到SageMaker，并避免创建自定义Docker容器来托管我们训练好的模型。
我的希望是将我们现有的训练好的模型注入到AWS通过sagemaker-python-sdk提供的预构建的scikit learn容器中。我发现的所有示例都需要先训练模型，这样会在SageMaker中创建模型/模型配置。然后使用
是否可能向
供参考，我看到的示例遵循以下操作顺序：
我的希望是将我们现有的训练好的模型注入到AWS通过sagemaker-python-sdk提供的预构建的scikit learn容器中。我发现的所有示例都需要先训练模型，这样会在SageMaker中创建模型/模型配置。然后使用
deploy方法部署它。是否可能向
deploy方法提供已训练好的模型，并将其托管在AWS提供的预构建scikit learn容器中？供参考，我看到的示例遵循以下操作顺序：
- 创建一个
sagemaker.sklearn.estimator.SKLearn实例并提供训练脚本。 - 调用
fit方法。 - 这将在SageMaker中创建模型/模型配置。
- 在
SKLearn实例上调用deploy方法，该方法会自动将步骤2/3中创建的模型作为HTTPS端点部署在预构建的scikit learn容器中。