本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
Amazon SageMaker AI 端點
Amazon SageMaker AI 是一種受管 ML 服務，可協助您建置和訓練模型，然後將模型部署到生產就緒的託管環境中。與 Amazon SageMaker AI Canvas 不同，您無法選擇在 SageMaker AI ready-to-use模型。在 SageMaker AI 中，您負責提供範例資料並訓練模型。這可為您提供更多控制，但操作額外負荷和責任也更高。
您可以在 SageMaker AI 中部署自訂模型作為即時或無伺服器端點。或者，您可以根據您的應用程式需求，使用批次轉換。即使模型不會部署為 SageMaker AI 端點，SageMaker AI 產生的模型成品也可用於自訂部署。如需 SageMaker AI 影像分類模型的範例，請參閱 GitHub 上的下列資源：
訓練模型後，您可以使用 SageMaker AI Neo 編譯模型並提高運算效率。Neo 會自動最佳化 Gluon、Keras、MXNet、PyTorch、TensorFlow、TensorFlow-Lite 和 ONNX 模型，以便在 Android、Linux 和 Windows 機器上進行推論。如需詳細資訊，請參閱使用 Neo 最佳化模型效能。
以下是 SageMaker AI 的優點：
-
完全控制模型架構、目標和訓練程序
-
為您的端點部署選取執行個體類型的能力
-
能夠使用 SageMaker AI Neo 編譯模型，以實現高效部署
以下是 SageMaker AI 的缺點：
-
手動設定需要比自動化方法更多的人力
如需 SageMaker AI 的詳細資訊，請參閱下列內容：
-
《SageMaker AI 開發人員指南》中的入門
-
《SageMaker AI 開發人員指南》中的使用 Amazon SageMaker AI 進行機器學習概觀 SageMaker
