我正在尝试在 sagemaker 中使用 pytorch 创建一个模型。我尝试在 sagemaker.pytorch [from sagemaker.pytorch import PyTorch] 中使用 - PyTorch 模块进行部署。
但是，我想了解 sagemaker.pytorch 中的 PyTorchModel 是什么 [from sagemaker.pytorch import PyTorchModel]。他们都有deploy()。我按照链接https://sagemaker.readthedocs.io/en/stable/using_pytorch.html创建和部署模型。我在任何地方都没有看到使用“PyTorchModel”。我想知道其中的区别以及何时使用什么。
到目前为止我尝试了以下方法。
第1步：我调用了pytorch估计器
pytorch_model = PyTorch(entry_point='entry_v1.py',
train_instance_type='ml.m5.4xlarge',
role = role,
train_instance_count=1,
output_path = "s3://model-output-bucket/test",
framework_version='1.1',
hyperparameters = {'epochs': 10,'learning-rate': 0.01})
Step2：我调用了fit方法
pytorch_model.fit({'train': 's3://training-data/train_data.csv',
'test':'s3://testing-data/test_data.csv'})
Step3：我调用了deploy方法。
predictor = pytorch_model.deploy(instance_type='ml.m4.xlarge', initial_instance_count=1)
我想知道什么时候打电话到create_model()这里。
看到这里我有了一些了解。我们使用 [from sagemaker.pytorch import PyTorch] 进行端到端流程，其中我们使用 .fit() 训练模型，然后我们可以使用 .deploy() 部署模型
但是，通过 [from sagemaker.pytorch import PyTorchModel]，我们可以使用已经训练过的模型。
步骤1：
pytorch_model = …