As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Usar um pacote de modelos para criar um modelo
<a name="sagemaker-mkt-model-pkg-model"></a>

Use um pacote de modelos para criar um modelo implantável que possa ser usado para obter inferências em tempo real criando um endpoint hospedado ou para executar trabalhos de transformação em lote. Você pode criar um modelo implantável a partir de um pacote de modelos usando o console Amazon SageMaker AI, a SageMaker API de baixo nível) ou o SDK do Amazon [Python SageMaker ](https://sagemaker.readthedocs.io/en/stable).

**Topics**
+ [Usar um pacote de modelos para criar um modelo (console)](#sagemaker-mkt-model-pkg-model-console)
+ [Usar um pacote de modelos para criar um modelo (API)](#sagemaker-mkt-model-pkg-model-api)
+ [Use um Model Package para criar um modelo ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))](#sagemaker-mkt-model-pkg-model-sdk)

## Usar um pacote de modelos para criar um modelo (console)
<a name="sagemaker-mkt-model-pkg-model-console"></a>

**Para criar um modelo implantável a partir de um pacote de modelos (console)**

1. Abra o console de SageMaker IA em [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).

1. Escolha **Pacotes de modelos**.

1. Escolha um pacote de modelo que você criou na lista na guia **Meus pacotes de modelo** ou escolha um pacote de modelo que você assinou na guia de **AWS Marketplace assinaturas**.

1. Escolha **Criar modelo**.

1. Em **Nome do modelo**, digite um nome para o modelo.

1. Para a **função IAM**, escolha uma função do IAM que tenha as permissões necessárias para chamar outros serviços em seu nome ou escolha **Criar uma nova função** para permitir que a SageMaker IA crie uma função que tenha a política `AmazonSageMakerFullAccess` gerenciada anexada. Para mais informações, consulte [Como usar funções de execução de SageMaker IA](sagemaker-roles.md).

1. Para **VPC**, escolha uma Amazon VPC que você deseja permitir que o modelo acesse. Para obter mais informações, consulte [Dê aos endpoints hospedados por SageMaker IA acesso aos recursos em sua Amazon VPC](host-vpc.md).

1. Deixe os valores padrão para **Opções de entrada de contêiner** e **Escolher pacote de modelos**.

1. Para variáveis de ambiente, forneça os nomes e valores das variáveis de ambiente que você deseja transmitir ao contêiner do modelo.

1. Para **Tags**, especifique uma ou mais tags para gerenciar o modelo. Cada tag consiste em uma chave e um valor opcional. Chaves de tags devem ser exclusivas por recurso.

1. Escolha **Criar modelo**.

Depois de criar um modelo implantável, você pode usá-lo para configurar um endpoint para inferência em tempo real ou para criar um trabalho de transformação em lote para obter inferências em conjuntos de dados inteiros. Para obter informações sobre hospedagem de endpoints na SageMaker IA, consulte [Implantar modelos para inferência](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html).

## Usar um pacote de modelos para criar um modelo (API)
<a name="sagemaker-mkt-model-pkg-model-api"></a>

Para usar um pacote de modelo para criar um modelo implantável usando a SageMaker API, especifique o nome ou o Amazon Resource Name (ARN) do pacote de modelo como `ModelPackageName` o campo do [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ContainerDefinition.html)objeto que você passa para a [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html)API.

Depois de criar um modelo implantável, você pode usá-lo para configurar um endpoint para inferência em tempo real ou para criar um trabalho de transformação em lote para obter inferências em conjuntos de dados inteiros. Para obter informações sobre endpoints hospedados na SageMaker IA, consulte [Implantar modelos para inferência](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html).

## Use um Model Package para criar um modelo ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))
<a name="sagemaker-mkt-model-pkg-model-sdk"></a>

Para usar um pacote de modelo para criar um modelo implantável usando o SDK SageMaker AI Python, inicialize `ModelPackage` um objeto e passe o Amazon Resource Name (ARN) do pacote do modelo como argumento. `model_package_arn` Por exemplo:

```
from sagemaker import ModelPackage
model = ModelPackage(role='SageMakerRole',
         model_package_arn='training-job-scikit-decision-trees-1542660466-6f92',
         sagemaker_session=sagemaker_session)
```

Depois de criar um modelo implantável, você pode usá-lo para configurar um endpoint para inferência em tempo real ou para criar um trabalho de transformação em lote para obter inferências em conjuntos de dados inteiros. Para obter informações sobre hospedagem de endpoints na SageMaker IA, consulte [Implantar modelos para inferência](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html).