从s3工件创建时，为tensorflow创建SageMaker自定义模型输出路径

Question

我正在运行以下代码，用预先存在的模型创建一个端点：

from sagemaker.tensorflow import serving
sagemaker_session = sagemaker.Session()
clf_sm_model = serving.Model(model_data='s3://mybucket/mytrainedmodel/model.tar.gz',
entry_point="inference.py",
source_dir="inf_source_dir",
role=get_execution_role(),
framework_version='1.14',
sagemaker_session=sagemaker_session)

然而，这会将模型的副本创建到默认的sagemaker bucket中。如何传递自定义路径？我尝试过model_dir和output_path，但都不被接受为参数

Answer 1

SageMaker Python SDK重新打包您的模型，以包含entry_point和source_dir文件，并上传此文件"新的"；tar球到SageMaker默认存储桶。

您可以通过在sagemaker_session中设置default_bucket来更改此行为，如下所示：

sagemaker_session = sagemaker.Session(default_bucket="<mybucket>")
clf_sm_model = serving.Model(model_data='s3://mybucket/mytrainedmodel/model.tar.gz',         
.
.
sagemaker_session=sagemaker_session)
.
)