Amazon web services AWS SageMaker在同一台计算机上托管多个模型(ML计算实例)
通过使用部署功能,我能够托管在SageMaker中开发的模型。目前,我发现我开发的不同模型需要部署在不同的ML计算实例上Amazon web services AWS SageMaker在同一台计算机上托管多个模型(ML计算实例),amazon-web-services,machine-learning,hosting,endpoint,amazon-sagemaker,Amazon Web Services,Machine Learning,Hosting,Endpoint,Amazon Sagemaker,通过使用部署功能,我能够托管在SageMaker中开发的模型。目前,我发现我开发的不同模型需要部署在不同的ML计算实例上 有没有一种方法可以在同一个实例上部署所有模型,使用单独的实例似乎是非常昂贵的选择。如果可以在同一实例上部署多个模型,这会为模型创建不同的端点吗?SageMaker旨在解决大规模部署问题,您希望每秒有数千次模型调用。对于这种用例,您希望在每个实例上都有同一模型的多个任务,并且通常在负载平衡器和自动缩放组后面有同一模型的多个实例,以允许根据需要进行上下缩放 如果您不需要这样的规模
有没有一种方法可以在同一个实例上部署所有模型,使用单独的实例似乎是非常昂贵的选择。如果可以在同一实例上部署多个模型,这会为模型创建不同的端点吗?SageMaker旨在解决大规模部署问题,您希望每秒有数千次模型调用。对于这种用例,您希望在每个实例上都有同一模型的多个任务,并且通常在负载平衡器和自动缩放组后面有同一模型的多个实例,以允许根据需要进行上下缩放 如果您不需要这样的规模,并且对于您需要处理的每秒请求而言,即使是单个模型的单个实例也不经济,那么您可以将在SageMaker中培训过的模型放在一些服务框架(如MXNet service()或TensorFlow service())后面,自己托管它们
还请注意,您可以控制用于托管的实例类型,并且可以为较小的负载选择较小的实例。以下是您可以从中选择的各种实例类型的列表:我相信这是AWS sagemaker中引入的一项新功能,请参考下面的链接,这些链接与此完全相同 是的,现在在AWS sagemaker中,您可以在同一个ML实例中部署多个模型 在下面的链接中, 你可以找到一些例子
- 多模式带来你自己的
- 多模式学习主值
- 多模式提升主值