翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# サポートされている機能
<a name="model-deploy-feature-matrix"></a>

 Amazon SageMaker AI には、推論用のモデルをデプロイするための次の 4 つのオプションがあります。
+  リアルタイム、インタラクティブ、低レイテンシーを必要とする推論ワークロードのためのリアルタイム推論。
+  大規模なデータセットを使用したオフライン推論のためのバッチ変換。
+  前処理時間が長くなる大量の入力に対し、ほぼリアルタイムで推論を行う非同期推論。
+  トラフィックのスパート間にアイドル期間がある推論ワークロード向けのサーバーレス推論。

 次の表は、各推論オプションでサポートされているコアプラットフォーム機能をまとめたものです。フレームワーク、カスタム Docker コンテナ、または異なる AWS のサービスのチェーンを連結することで提供できる機能は示されていません。


| 機能 | [リアルタイム推論](realtime-endpoints.md) | [バッチ変換](batch-transform.md) | [非同期推論](async-inference.md) | [サーバーレス推論](serverless-endpoints.md) | [Docker コンテナ](docker-containers.md) | 
| --- | --- | --- | --- | --- | --- | 
| [自動スケーリングのサポート](endpoint-auto-scaling.md) | ✓ | 該当なし | ✓ | ✓ | 該当なし | 
| GPU サポート | ✓1 | ✓1 | ✓1 |  | [1P](common-info-all-im-models.md)、プレビルド、BYOC | 
| シングルモデル | ✓ | ✓ | ✓ | ✓ | 該当なし | 
| [マルチモデルエンドポイント](multi-model-endpoints.md) | ✓ |  |  |  | k-NN、XGBoost、線形学習、RCF、TensorFlow、Apache MXNet、PyTorch、scikit-learn 2 | 
| [マルチコンテナエンドポイント](multi-container-endpoints.md) | ✓ |  |  |  | 1P、ビルド済み、ビルド済みの拡張、BYOC | 
| [シリアル推論パイプライン](inference-pipelines.md) | ✓ | ✓ |  |  | 1P、ビルド済み、ビルド済みの拡張、BYOC | 
| [推論レコメンダー](inference-recommender.md) | ✓ |  |  |  | 1P、ビルド済み、ビルド済みの拡張、BYOC | 
| プライベートリンクのサポート | ✓ | ✓ | ✓ |  | 該当なし | 
| [データキャプチャ/モデルモニターサポート](model-monitor.md) | ✓ | ✓ |  |  | 該当なし | 
| [DLCs supported](https://github.com/aws/deep-learning-containers/blob/master/available_images.md) | 1P、ビルド済み、ビルド済みの拡張、BYOC | [1P](common-info-all-im-models.md)、ビルド済み、ビルド済みの拡張、BYOC | 1P、ビルド済み、ビルド済みの拡張、BYOC | 1P、ビルド済み、ビルド済みの拡張、BYOC | 該当なし | 
| サポートされるプロトコル | HTTP(S) | HTTP(S) | HTTP(S) | HTTP(S) | 該当なし | 
| ペイロードサイズ | < 6 MB | ≤ 100 MB | ≤ 1 GB | ≤ 4 MB |  | 
| HTTP チャンクエンコーディング | フレームワーク依存、1P はサポート外 | 該当なし | フレームワーク依存、1P はサポート外 | フレームワーク依存、1P はサポート外 | 該当なし | 
| リクエストタイムアウト | < 60 秒 | 日間 | < 1 時間 | < 60 秒 | 該当なし | 
| [デプロイガードレール: Blue/Green デプロイ](deployment-guardrails.md) | ✓ | 該当なし | ✓ |  | 該当なし | 
| [デプロイガードレール: ローリングデプロイ](deployment-guardrails.md) | ✓ | 該当なし | ✓ |  | 該当なし | 
| [シャドウテスト](shadow-tests.md) | ✓ |  |  |  | 該当なし | 
| ゼロにスケール |  | 該当なし | ✓ | ✓ | 該当なし | 
| マーケットプレイスモデルパッケージのサポート | ✓ | ✓ | ✓ |  | 該当なし | 
| 仮想プライベートクラウドのサポート | ✓ | ✓ | ✓ |  | 該当なし | 
| 複数の量産バリアントのサポート | ✓ |  |  |  | 該当なし | 
| ネットワークの隔離 | ✓ |  | ✓ |  | 該当なし | 
| [モデル並列サービングのサポート](model-parallel-intro.md) | ✓3 | ✓ | ✓3 |  | ✓3 | 
| ボリュームの暗号化 | ✓ | ✓ | ✓ | ✓ | 該当なし | 
| 顧客 AWS KMS | ✓ | ✓ | ✓ | ✓ | 該当なし | 
| d インスタンスのサポート | ✓ | ✓ | ✓ |  | 該当なし | 
| [inf1 のサポート](neo-supported-cloud.md) | ✓ |  |  |  | ✓ | 

 SageMaker AI を使用すると、リアルタイム推論のために単一のモデル、または単一の推論エンドポイントの背後に複数のモデルをデプロイできます。以下の表は、リアルタイム推論に付属するさまざまなホスティングオプションでサポートされるコア機能をまとめたものです。


| 機能 | [シングルモデルエンドポイント](realtime-single-model.md) | [マルチモデルエンドポイント](multi-model-endpoints.md) | [シリアル推論パイプライン](inference-pipelines.md) | [マルチコンテナエンドポイント](multi-container-endpoints.md) | 
| --- | --- | --- | --- | --- | 
| [自動スケーリングのサポート](endpoint-auto-scaling.md) | ✓ | ✓ | ✓ | ✓ | 
| GPU サポート | ✓1 | ✓ | ✓ |  | 
| シングルモデル | ✓ | ✓ | ✓ | ✓ | 
| [マルチモデルエンドポイント](multi-model-endpoints.md) |  | ✓ | ✓ | 該当なし | 
| [マルチコンテナエンドポイント](multi-container-endpoints.md) | ✓ |  |  | 該当なし | 
| [シリアル推論パイプライン](inference-pipelines.md) | ✓ | ✓ | 該当なし |  | 
| [推論レコメンダー](inference-recommender.md) | ✓ |  |  |  | 
| プライベートリンクのサポート | ✓ | ✓ | ✓ | ✓ | 
| [データキャプチャ/モデルモニターサポート](model-monitor.md) | ✓ | 該当なし | 該当なし | 該当なし | 
| 対応する DLC | 1P、ビルド済み、ビルド済みの拡張、BYOC | k-NN、XGBoost、線形学習、RCF、TensorFlow、Apache MXNet、PyTorch、scikit-learn 2 | 1P、ビルド済み、ビルド済みの拡張、BYOC | 1P、ビルド済み、ビルド済みの拡張、BYOC | 
| サポートされるプロトコル | HTTP(S) | HTTP(S) | HTTP(S) | HTTP(S) | 
| ペイロードサイズ | < 6 MB | < 6 MB | < 6 MB | < 6 MB | 
| リクエストタイムアウト | < 60 秒 | < 60 秒 | < 60 秒 | < 60 秒 | 
| [デプロイガードレール: Blue/Green デプロイ](deployment-guardrails.md) | ✓ | ✓ | ✓ | ✓ | 
| [デプロイガードレール: ローリングデプロイ](deployment-guardrails.md) | ✓ | ✓ | ✓ | ✓ | 
| [シャドウテスト](shadow-tests.md) | ✓ |  |  |  | 
| マーケットプレイスモデルパッケージのサポート | ✓ |  |  |  | 
| 仮想プライベートクラウドのサポート | ✓ | ✓ | ✓ | ✓ | 
| 複数の量産バリアントのサポート | ✓ |  | ✓ | ✓ | 
| ネットワークの隔離 | ✓ | ✓ | ✓ | ✓ | 
| [モデル並列サービングのサポート](model-parallel-intro.md) | ✓ 3 |  | ✓ 3 |  | 
| ボリュームの暗号化 | ✓ | ✓ | ✓ | ✓ | 
| 顧客 AWS KMS | ✓ | ✓ | ✓ | ✓ | 
| d インスタンスのサポート | ✓ | ✓ | ✓ | ✓ | 
| [inf1 のサポート](neo-supported-cloud.md) | ✓ |  |  |  | 

 1 Amazon EC2 インスタンスタイプの可用性は、 AWS リージョンによって異なります。固有のインスタンスの可用性については AWS、[Amazon SageMakerの料金](https://aws.amazon.com/sagemaker/pricing/)」を参照してください。

 2 他のフレームワークまたはアルゴリズムを使うには、SageMaker AI 推論ツールキットを使って、マルチモデルエンドポイントをサポートするコンテナを構築します。

 3 SageMaker AI を使用すると、推論用に大規模なモデル (最大 500 GB) をデプロイできます。コンテナのヘルスチェックおよびダウンロードのタイムアウトクォータを最大 60 分まで設定できます。これにより、モデルおよび関連リソースのダウンロードとロードに余裕をもたせることができます。詳細については、「[大規模モデル推論用の SageMaker AI エンドポイントパラメータ](large-model-inference-hosting.md)」を参照してください。SageMaker AI 互換の[大規模モデル推論コンテナ](https://github.com/aws/deep-learning-containers/blob/master/available_images.md#large-model-inference-containers)を使用することができます。また FasterTransformer や DeepSpeed を備えた Triton などのサードパーティーのモデル並列化ライブラリを使用することもできます。ただし、これらが SageMaker AI と互換性があることを確認する必要があります。