Amazon web services 如何在amazon sagemaker中加载经过训练的模型？

我正在关注如何在Amazon sagemaker中训练机器学习模型

data_location = 's3://{}/kmeans_highlevel_example/data'.format(bucket)
output_location = 's3://{}/kmeans_highlevel_example/output'.format(bucket)

print('training data will be uploaded to: {}'.format(data_location))
print('training artifacts will be uploaded to: {}'.format(output_location))

kmeans = KMeans(role=role,
                train_instance_count=2,
                train_instance_type='ml.c4.8xlarge',
                output_path=output_location,
                k=10,
                epochs=100,
                data_location=data_location)

---

因此，调用fit函数后，模型应保存在S3存储桶中？？下次如何加载此模型？

这可以通过使用sagemaker库和

您要传递的选项有：

• image

  -这是您用于推断的ECR图像（应适用于您尝试使用的算法）。路径可用

• model\u data

  -这是存储模型的路径（在

  tar.gz

  压缩存档中）

• 角色

  -这是一个角色的arn，它能够从ECR中提取映像并获取s3存档

成功完成此操作后，您将需要设置端点，可以通过在笔记本中通过执行以下操作来完成此操作

---

还有一个问题。在训练模型时，我没有指定任何关于ECR映像的内容，事实上，我甚至没有ECR存储库。这是否意味着我必须再次训练模型，以便从S3部署它。如果您使用

Kmeans

模型，它将自动为您选择此模型：）

model = sagemaker.model.Model(
    image=image
    model_data='s3://bucket/model.tar.gz',
    role=role_arn)

model.deploy(
   initial_instance_count=1,
   instance_type='ml.p2.xlarge'
)