如何配置AWS SageMaker

最新推荐文章于 2024-07-09 23:50:30 发布

洛子汐

最新推荐文章于 2024-07-09 23:50:30 发布

阅读量964

点赞数

分类专栏： SageMaker 文章标签： aws

本文链接：https://blog.csdn.net/zixi_luo/article/details/106942296

版权

本文详细介绍了如何在AWS SageMaker上配置GluonCV YOLOv3 Object Detector。首先在AWS Marketplace选定模型，选择ml.m5.large实例类型进行Model Batch Transform。接着，订阅并配置SageMaker，选择Create a real-time inference endpoint以实现实时推断。最后，自定义模型名称，VPC设置，以及修改生产变体的实例类型为ml.m5.large，完成创建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先在AWS Marketplace下的Model packages中选用一个模型，本次以GluonCV YOLOv3 Object Detector为例；点开后，我们可以看到，推荐的实例类型是ml.m4.xlarge，我们在Model Batch Transform中选择实例类型，本次中我们选择了ml.m5.large，如图所示：
在这里插入图片描述
在选择好实例类型以后，我们点击Continue to subscribe，进入下一页的选择。
本页无需配置任何内容，可以直接点击Continue to configuration感兴趣的话可以看一眼：

点击后我们跳转到下面的配置，由于我们是使用SageMaker，所以我们选择SageMaker console，由于我的需求是实时进行，所以在Configure for Amazon SageMaker console中我选择的是Create a real-time inference endpoint，如图所示，在选择好以后，我们点击View in Amazon SageMaker:
在这里插入图片描述