PyTorch、PyTorchModel在sagemaker.pytorch中的差异

Question

我正在尝试创建一个模型，使用火把在救世主。我尝试在sagemaker.pytorch中从sagemaker.pytorch导入PyTorch中部署使用-sagemaker.pytorch模块。

但是，我想了解PyTorchModel在sagemaker.pytorch中的sagemaker.pytorch import PyTorchModel是什么。他们都有deploy()。我按照链接pytorch.html创建和部署模型。在这里我看不到在任何地方使用"PyTorchModel“。我想知道不同之处，以及何时使用什么。

到目前为止，我尝试了以下几种方法。

步骤1 : I称为pytorch估计器

pytorch_model = PyTorch(entry_point='entry_v1.py',
                        train_instance_type='ml.m5.4xlarge',
                        role = role,
                        train_instance_count=1,
                        output_path = "s3://model-output-bucket/test",
                        framework_version='1.1',
                        hyperparameters = {'epochs': 10,'learning-rate': 0.01})

Step2 : i调用fit方法

pytorch_model.fit({'train': 's3://training-data/train_data.csv',
                  'test':'s3://testing-data/test_data.csv'})

Step3: i调用了deploy方法。

predictor = pytorch_model.deploy(instance_type='ml.m4.xlarge', initial_instance_count=1)

我想知道什么时候给create_model()打电话。

--我在这里得到了一些了解。，我们使用sagemaker.pytorch导入PyTorch进行端到端的处理，在这里我们用.fit()训练模型，然后用.deploy()部署模型。

但是，通过使用sagemaker.pytorch导入PyTorchModel，我们可以使用已经经过训练的模型。

Step1:

pytorch_model = PyTorchModel(model_data='s3://model-output-bucket/sagemaker-pytorch-2019-08-20-16-54-32-500/output/model.tar.gz', role=role,entry_point=entry_v1.py,sagemaker_session=sagemaker_session)

Step2:

predictor = pytorch_model.deploy(instance_type='ml.c4.xlarge', initial_instance_count=1)

此外，.create_model()的PyTorch估计将返回一个对象的PyTorchModel。

如果我哪里都错了，请纠正我。

Answer 1

PyTorch类是从框架类继承的，而PyTorchModel类是从FrameworkModel类继承的。

这两者的区别在于:框架用于执行端到端的培训，而模型的部署则使用FrameworkModel从预先训练的模型创建估计器，然后使用它使用部署()方法部署端点。这不涉及对模型的培训。

在PyTorch类中，不能直接调用部署模型。您首先必须调用fit()方法，后面跟着部署()方法。

您可以阅读下面的博客，介绍如何将您自己的预先培训过的模型带到Sagemaker https://aws.amazon.com/blogs/machine-learning/bring-your-own-pre-trained-mxnet-or-tensorflow-models-into-amazon-sagemaker/中

关于create_model()方法，如果您想在培训后直接部署端点，则不需要在脚本中调用它。它通常用于需要创建用于通过多个模型进行推理的管道的场景。