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。
# を使用してコンパイル済みモデルをデプロイする AWS CLI
モデルが または Amazon SageMaker AI コンソールを使用してコンパイルされている場合は AWS SDK for Python (Boto3) AWS CLI、[前提条件](https://docs.aws.amazon.com//sagemaker/latest/dg/neo-deployment-hosting-services-prerequisites)セクションを満たす必要があります。[AWS CLI](https://docs.aws.amazon.com/cli/latest/reference/) を使って SageMaker Neo コンパイルのモデルを作成してデプロイするには、次のステップを実行します。
**Topics**
+ [モデルをデプロイする](#neo-deploy-cli)
## モデルをデプロイする
[ 前提条件](https://docs.aws.amazon.com//sagemaker/latest/dg/neo-deployment-hosting-services-prerequisites)を満たしたら、`create-model`、、`create-enpoint-config`および `create-endpoint` AWS CLI コマンドを使用します。次のステップでは、これらのコマンドを使って Neo コンパイル済みモデルをデプロイする方法を説明します。
### モデルを作成する
[Neo の推論コンテナイメージ](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-deployment-hosting-services-container-images.html)で、推論イメージの URI を選択し、`create-model` API を使って SageMaker AI モデルを作成します。これは 2 つのステップで行えます。
1. `create_model.json` ファイルを作成します。ファイル内で、モデルの名前、イメージ URI、Amazon S3 バケットにある `model.tar.gz` ファイルへのパス、SageMaker AI 実行ロールを指定します。
```
{
"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"}}
}
```
SageMaker AI を使ってモデルをトレーニングした場合は、次の環境変数を指定します。
```
"Environment": {
"SAGEMAKER_SUBMIT_DIRECTORY" : {{"[Full S3 path for *.tar.gz file containing the training script]"}}
}
```
SageMaker AI を使ってモデルをトレーニングしなかった場合は、次の環境変数を指定します。
------
#### [ 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"}}
}
```
------
**注記**
`AmazonSageMaker-ExecutionRole` IAM ロールに `AmazonSageMakerFullAccess` ポリシーと `AmazonS3ReadOnlyAccess` ポリシーをアタッチする必要があります。
1. 次のコマンドを実行します。
```
aws sagemaker create-model --cli-input-json file://create_model.json
```
`create-model` API の完全な構文については、「[https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-model.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-model.html)」を参照してください。
### エンドポイント設定を作成する
SageMaker AI モデルを作成したら、`create-endpoint-config` API を使ってエンドポイント設定を作成します。これを行うには、エンドポイント設定の仕様を使って JSON ファイルを作成します。例として次のコードテンプレートを使い、`create_config.json` と名付けて保存します。
```
{
"EndpointConfigName": {{""}},
"ProductionVariants": [
{
"VariantName": {{""}},
"ModelName": "my-sagemaker-model",
"InitialInstanceCount": 1,
"InstanceType": {{""}},
"InitialVariantWeight": 1.0
}
]
}
```
次に、次の AWS CLI コマンドを実行してエンドポイント設定を作成します。
```
aws sagemaker create-endpoint-config --cli-input-json file://create_config.json
```
`create-endpoint-config` API の完全な構文については、「[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)」を参照してください。
### エンドポイントの作成
エンドポイント設定を作成したら、`create-endpoint` API を使ってエンドポイントを作成します。:
```
aws sagemaker create-endpoint --endpoint-name {{''}} --endpoint-config-name {{''}}
```
`create-endpoint` API の完全な構文については、「[https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint.html](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-endpoint.html)」を参照してください。