Блог

Я использую контейнер для линейного обучения от Sagemaker для обучения модели. Обучение завершено, и артефакт модели сохранен в S3. Я загружаю его, который является .tar.gz файл, в котором хранится фактический файл модели, называется model-algo-1 без расширения формата. Я пытаюсь загрузить эту модель и проверить коэффициенты модели, но не уверен, как это сделать.

Я пробовал pickle и joblib, но они не сработали. Кто-нибудь знает, как загрузить файл модели, подготовленный из встроенного контейнера Sagemaker? Или есть какой-либо другой способ проверить коэффициенты модели? Это модель логистической регрессии.

Спасибо

Мне удалось заставить это работать.

Из документации SageMaker есть два класса, которые можно использовать для загрузки уже развернутого Linear Learner

Вариант 1: используйте sagemaker.LinearLearnerModel для построения предиктора из S3 artificat

Согласно документации, этот класс:

«Ссылка на данные модели LinearLearner s3»

Вы можете использовать его следующим образом:

Шаг 1: Создайте модель LinearLearner, используя артефакты, размещенные на S3

 from sagemaker import LinearLearnerModel, get_execution_role, Session
import boto3
sess = boto3.Session(region_name=region_name)
sagemaker_session = Session(boto_session=sess)
role = get_execution_role(sagemaker_session)
model = LinearLearnerModel(model_data, role, sagemaker_session=sagemaker_session)
  

Шаг 2: Развертывание модели на конечной точке (в данном примере это бессерверная конечная точка)

 my_serverless_inference_config = ServerlessInferenceConfig(memory_size_in_mb=2048, max_concurrency=1)
linear_predictor = model .deploy(endpoint_name=my_endpoint_name,serverless_inference_config=my_serverless_inference_config,serializer=CSVSerializer(), deserializer=JSONDeserializer())
from sagemaker.predictor import csv_serializer, json_deserializer
linear_regressor.serializer = csv_serializer
linear_regressor.deserializer = json_deserializer
  

Шаг 3: используйте объект sagemaker.predictor, возвращаемый функцией deploy

 result = linear_predictor.predict(X_test)
#Iterate the result JSON to get an NP array of all the predictions so we can compare to Y test
predictions = np.array([res['score'] for res in result['predictions']])
  

Вариант 2. Используйте LinearLearnerPredictor для создания предиктора из уже существующей конечной точки

Вы можете использовать этот параметр, если ваша модель имеет уже развернутую конечную точку

 from sagemaker import LinearLearnerPredictor, get_execution_role, Session
import boto3
sess = boto3.Session(region_name=region_name)
sagemaker_session = Session(boto_session=sess)
role = get_execution_role(sagemaker_session)
predictor = LinearLearnerPredictor(endpoint_name, sagemaker_session=sagemaker_session)