Python 3.x SageMaker脚本模式服务

我使用SageMaker脚本模式训练了tensorflow.keras模型，如下所示：

import os

import sagemaker
from sagemaker.tensorflow import TensorFlow

estimator = TensorFlow(entry_point='train.py',
                       source_dir='src',
                       train_instance_type=train_instance_type,
                       train_instance_count=1,
                       hyperparameters=hyperparameters,
                       role=sagemaker.get_execution_role(),
                       framework_version='1.12.0',
                       py_version='py3', 
                       script_mode=True)

---

但是，在调用

estimator.deploy（）

时，如何指定服务代码是什么？默认情况下是什么？还有没有办法使用脚本模式修改nginx.conf？

Tensorflow容器是开源的：您可以查看它的工作方式。当然，您可以调整它，在本地构建它，将它推送到ECR并在SageMaker上使用：）

通常，可以通过两种方式进行部署：

• 基于Python的端点：

• TensorFlow服务端点：

---

我还建议看一下这里的TensorFlow示例：

在脚本模式下，默认的服务方法是基于TensorFlow服务的方法： 基于TFS的容器不允许使用自定义脚本。您可以使用SERVICE_input_receiver_fn指定输入数据的处理方式，如下所述：

至于修改ngnix.conf，没有支持的方法。根据您想要在配置文件中更改的内容，您可以破解sagemaker python sdk，为这些环境变量传递不同的值：

---

在这里可以覆盖环境变量：

Hi。是的，我以前一直在建造它，并推动ECR。想知道我是否可以为了方便而使用脚本模式，但仍然指定我的服务脚本？SageMaker说：SageMaker提供了两个不同的选项，用于将TensorFlow模型部署到SageMaker端点：第一个选项使用基于Python的服务器，允许您在Python脚本中指定自己的自定义输入和输出处理函数。这是默认选项。第二个选项使用基于TensorFlow服务的服务器来提供TensorFlow服务RESTAPI的超集。此选项不需要（或允许）自定义python script.Hmm。以前读过，但现在重读一遍，我想我也许可以这样做。python服务堆栈仍然使用它们自己的service.py，但是也许我不需要修改它来获得我想要的？我创建模型。但是找不到ngnix.conf错误@Austin