我试图避免将现有模型训练过程迁移到 SageMaker，并避免创建自定义 Docker 容器来托管我们训练的模型。
我希望将我们现有的、经过训练的模型注入(inject) AWS 通过 sagemaker-python-sdk 提供的预构建 scikit learn 容器中。 .我发现的所有示例都需要先训练模型，这会在 SageMaker 中创建模型/模型配置。然后使用 deploy 进行部署方法。
是否可以向 deploy 提供经过训练的模型？方法并将其托管在 AWS 提供的预先构建的 scikit learn 容器中吗？
供引用，the examples我已经看到遵循以下操作顺序:
sagemaker.sklearn.estimator.SKLearn 的实例并提供训练脚本fit方法就可以了deploy SKLearn 上的方法实例自动获取在步骤 2/3 中创建的模型并将其部署在预构建的 scikit learn 容器中作为 HTTPS 端点。 最佳答案
是的，您可以将现有模型导入 SageMaker。
对于 scikit-learn，您将使用 SKLearnModel() 对象从 S3 加载到模型并在 SageMaker 中创建它。然后，您可以像往常一样部署它。
https://sagemaker.readthedocs.io/en/latest/sagemaker.sklearn.html
这是一个基于 MXNet 的完整示例，它将为您指明正确的方向:
https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/mxnet_onnx_superresolution/mxnet_onnx.ipynb
关于python - 借助 AWS SageMaker，是否可以使用 sagemaker 开发工具包部署预训练模型？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54916866/