无法在AWS Sagemaker上部署本地训练的逻辑回归模型

Question

我在本地机器上训练了一个逻辑回归模型。使用Joblib保存模型，并尝试使用"；线性学习者"；形象

在部署过程中面临问题，因为部署过程一直在继续；创建"；并且不转向"0"；InService"；。

endpoint_name = "DEMO-LogisticEndpoint" + strftime("%Y-%m-%d-%H-%M-%S", gmtime())
print(endpoint_name)
create_endpoint_response = sm_client.create_endpoint(
EndpointName=endpoint_name, EndpointConfigName=endpoint_config_name
)
print(create_endpoint_response["EndpointArn"])
resp = sm_client.describe_endpoint(EndpointName=endpoint_name)
status = resp["EndpointStatus"]
print("Status: " + status)
while status == "Creating":
time.sleep(60)
resp = sm_client.describe_endpoint(EndpointName=endpoint_name)
status = resp["EndpointStatus"]
print("Status: " + status)

while循环一直在执行，状态永远不会改变。

Answer 1

背景：重要的是要理解端点运行的容器包括服务软件。每个容器都需要一种特定类型的模型。你需要确保你是模型，以及你如何包装它符合容器的期望。

两条简单的前进道路：

1. 线性学习器是SageMaker内置的算法，因此直接的方法是在云中训练它。请参阅示例，使其易于部署
2. 使用Scikit learn Logistic Regression]2，您可以在本地对其进行培训，并使用Scikit learn容器将其部署到SageMaker(XGBoost是另一条简单的路径(

否则，您总是可以更先进地使用任何自定义算法，方法是通过自带容器来自带自定义算法/框架。谷歌现有的实现(例如CatBoost/SageMaker(。