如何使用sagemaker管道部署最佳调优模型？

Question

我训练了一个XGBoost模型，对它进行了细化，对它进行了评估，并使用aws管道注册了它。现在我要部署模型。但是，模型伪影的位置被保存为Join对象，因为best_model.deploy(...)无法进行部署。任何关于如何部署最训练有素的模型的建议。

tuning_step = TuningStep(name="HPTuning",
                        tuner=tuner_log,
                        inputs={
                            "train":...,
                            "validation":...
                        },
                        cache_config=cache_config)


best_model = Model(image_uri=image_uri, 
                  model_data=tuning_step.get_top_model_s3_uri(top_k=0,s3_bucket=model_bucket_key),
                  sagemaker_session=sm_session,
                  role=role,
                  predictor_cls=XGBoostPredictor)


register_step = RegisterModel(name="RegisterBestChurnModel",
                             estimator=xgb_estimator,
                             model_data=tuning_step.get_top_model_s3_uri(top_k=0, s3_bucket=model_bucket_key),
                             content_types=["text/csv"],
                             response_types=["test/csv"],
                             inference_instances=["ml.t2.medium", "ml.m5.large"],
                             transform_instances=["ml.m5.large"],
                             approval_status="Approved",
                             model_metrics=model_metrics)

best_model.deploy(...)的问题是tuning_step.get_top_model_s3_uri(top_k=0,s3_bucket=model_bucket_key)是一个连接对象。部署需要将s3桶位置作为字符串。这样就不管用了。

我还试图使用以下方法部署注册模型

model_package_arn = register_step.properties.ModelPackageArn,
model = ModelPackage(role=role, 
                     model_package_arn=create_top_step.properties.ModelArn, 
                     sagemaker_session=session)
model.deploy(initial_instance_count=1, instance_type='ml.m5.xlarge')

这给了我一个错误

...

/opt/conda/lib/python3.7/site-packages/sagemaker/model.py in _create_sagemaker_model(self, *args, **kwargs)
   1532             container_def["Environment"] = self.env
   1533 
-> 1534         self._ensure_base_name_if_needed(model_package_name.split("/")[-1])
   1535         self._set_model_name_if_needed()
   1536 

AttributeError: 'tuple' object has no attribute 'split'

我也怀疑这也是出于同样的原因。

我基本上遵循了这个教程

https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-pipelines/tabular/tuning-step/sagemaker-pipelines-tuning-step.ipynb

Answer 1

有两种方法-

1/在model中注册了调优作业中的最佳模型后，通过Lambda步骤运行您的模型部署代码。这里就是如何做到这一点的一个例子。将寄存器步骤的输出作为Lambda步骤的输入，并在Lambda函数中调用您的模型部署代码。

2在执行了sagemaker管道并注册了模型之后，使用model中已注册的模型ARN并调用部署代码。不能在管道执行上下文之外使用register_step.properties.ModelPackageArn。