AWS SageMaker - 在本地培训但部署到AWS？

Question

我对SageMaker提出了以下挑战：

• 我已经下载了其中一个教程笔记本（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）

• 我在本地（成功）进行了培训，修改了以下行：

  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)
  

• 然后，我希望使用以下行将我的模型部署到AWS，但似乎SDK在本地部署它（它不会失败，我只是看到它在我的机器上运行）

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

有关如何修复它以便将其部署到AWS或者重新加载我的培训模型并从头部署到AWS的任何提示？

非常感谢， 斯蒂芬

Answer 1

更容易在SageMaker上再次进行训练。 否则，以下是您必须执行的步骤。

1. 获取培训期间生成的检查点文件，并将其转换为tensorflow服务模型。
2. 以特定格式压缩它们并上传到S3
3. 然后像上面那样创建估算器并进行推理。

如果您想了解上述每个具体步骤的详细信息，请告诉我，但如果您的数据集不是太大，我会说只需重新培训SageMaker。