Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Implementa un modello compilato utilizzando il AWS CLI
<a name="neo-deployment-hosting-services-cli"></a>

Devi soddisfare la sezione dei [prerequisiti](https://docs.aws.amazon.com//sagemaker/latest/dg/neo-deployment-hosting-services-prerequisites) se il modello è stato compilato utilizzando AWS SDK per Python (Boto3) o la console Amazon SageMaker AI. AWS CLI Segui i passaggi seguenti per creare e distribuire un SageMaker Neo-compiled modello utilizzando. [AWS CLI](https://docs.aws.amazon.com/cli/latest/reference/) 

**Topics**
+ [Implementazione del modello](#neo-deploy-cli)

## Implementazione del modello
<a name="neo-deploy-cli"></a>

Dopo aver soddisfatto i [prerequisiti](https://docs.aws.amazon.com//sagemaker/latest/dg/neo-deployment-hosting-services-prerequisites), utilizzare i comandi `create-model``create-enpoint-config`, e `create-endpoint` AWS CLI . Nella procedura seguente viene illustrato come utilizzare questi comandi per distribuire un modello compilato con Neo: 



### Creazione di un modello
<a name="neo-deployment-hosting-services-cli-create-model"></a>

Da [Neo Inference Container Images](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-deployment-hosting-services-container-images.html), seleziona l'URI dell'immagine di inferenza e quindi utilizza l'`create-model`API per creare un SageMaker modello AI. Sono previste due fasi: 

1. Creare un file `create_model.json`. All'interno del file, specifica il nome del modello, l'URI dell'immagine, il percorso del `model.tar.gz` file nel bucket Amazon S3 e il ruolo di esecuzione dell' SageMaker IA: 

   ```
   {
       "ModelName": {{"insert model name"}},
       "PrimaryContainer": {
           "Image": {{"insert the ECR Image URI"}},
           "ModelDataUrl": {{"insert S3 archive URL"}},
           "Environment": {{{"See details below"}}}
       },
       "ExecutionRoleArn": {{"ARN for AmazonSageMaker-ExecutionRole"}}
   }
   ```

   Se hai addestrato il tuo modello utilizzando l' SageMaker intelligenza artificiale, specifica la seguente variabile di ambiente: 

   ```
   "Environment": {
       "SAGEMAKER_SUBMIT_DIRECTORY" : {{"[Full S3 path for *.tar.gz file containing the training script]"}}
   }
   ```

   Se non hai addestrato il tuo modello utilizzando l' SageMaker intelligenza artificiale, specifica le seguenti variabili di ambiente: 

------
#### [ MXNet and PyTorch ]

   ```
   "Environment": {
       "SAGEMAKER_PROGRAM": "inference.py",
       "SAGEMAKER_SUBMIT_DIRECTORY": {{"/opt/ml/model/code"}},
       "SAGEMAKER_CONTAINER_LOG_LEVEL": "20",
       "SAGEMAKER_REGION": {{"insert your region"}},
       "MMS_DEFAULT_RESPONSE_TIMEOUT": "500"
   }
   ```

------
#### [ TensorFlow ]

   ```
   "Environment": {
       "SAGEMAKER_PROGRAM": "inference.py",
       "SAGEMAKER_SUBMIT_DIRECTORY": {{"/opt/ml/model/code"}},
       "SAGEMAKER_CONTAINER_LOG_LEVEL": "20",
       "SAGEMAKER_REGION": {{"insert your region"}}
   }
   ```

------
**Nota**  
Le policy `AmazonSageMakerFullAccess` e `AmazonS3ReadOnlyAccess`devono essere collegate al ruolo IAM di `AmazonSageMaker-ExecutionRole`. 

1. Esegui il comando seguente:

   ```
   aws sagemaker create-model --cli-input-json file://create_model.json
   ```

   Per la sintassi completa dell'API `create-model`, vedi [https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-model.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-model.html). 

### Creazione di una configurazione endpoint
<a name="neo-deployment-hosting-services-cli-create-endpoint-config"></a>

Dopo aver creato un modello di SageMaker intelligenza artificiale, crea la configurazione dell'endpoint utilizzando l'`create-endpoint-config`API. A tale scopo, crea un file JSON con le specifiche di configurazione endpoint. Ad esempio, puoi utilizzare il seguente modello di codice e salvarlo come `create_config.json`: 

```
{
    "EndpointConfigName": {{"<provide your endpoint config name>"}},
    "ProductionVariants": [
        {
            "VariantName": {{"<provide your variant name>"}},
            "ModelName": "my-sagemaker-model",
            "InitialInstanceCount": 1,
            "InstanceType": {{"<provide your instance type here>"}},
            "InitialVariantWeight": 1.0
        }
    ]
}
```

Ora esegui il seguente AWS CLI comando per creare la configurazione dell'endpoint: 

```
aws sagemaker create-endpoint-config --cli-input-json file://create_config.json
```

Per la sintassi completa dell'API `create-endpoint-config`, vedi [https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint-config.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint-config.html). 

### Creazione di un endpoint
<a name="neo-deployment-hosting-services-cli-create-endpoint"></a>

Dopo aver creato la configurazione endpoint, crea un endpoint utilizzando l'API `create-endpoint`: 

```
aws sagemaker create-endpoint --endpoint-name {{'<provide your endpoint name>'}} --endpoint-config-name {{'<insert your endpoint config name>'}}
```

Per la sintassi completa dell'API `create-endpoint`, vedi [https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint.html).