在批处理转换作业中调用最新的Sagemaker模型

Question

【以下的问题经过翻译处理】 如何让负责批量推理作业的Lambda自动使用最新的Sagemaker训练模型？
模型名称为'forecasting-deepar-2022-05-20-22-23-20-225'。

Lambda代码：

如果文件中包含'input_data_4':

```
def batch_transform():
    transformer = Transformer(
        model_name = 'forecasting-deepar-2022-05-20-22-23-20-225',
        instance_count = 2,
        instance_type = 'ml.m5.xlarge',
        assemble_with = 'Line',
        output_path = output_data_path,
        base_transform_job_name ='daily-output-predictions-to-s3',
        #sagemaker_session = sagemaker.session.Session,
        accept = 'application/jsonlines')
    transformer.transform(data = input_data_path, 
                            content_type = 'application/jsonlines', 
                            split_type = 'Line',
                            wait=False, 
                            logs=True)
    #Waits for the Pipeline Transform Job to finish.
    print('Batch Transform Job Created successfully!')
batch_transform()
```

rePost Polyglot · Answer

【以下的回答经过翻译处理】 虽然你可以简单地使用[boto3.client("sagemaker").list\_models(...)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.list_models)（它可以按创建时间排序）实现这一点，但我不建议这样做。原因是，通常这会列出SageMaker中的*所有*模型——即使您今天只有一个DeepAR预测用例，将来可能会包括其他用例。您需要在API调用之后手动过滤。
一个**更好的方法**可能是在[SageMaker模型注册表](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry.html)中注册您的预测模型。这将允许您注册不同的版本，并跟踪每个版本的额外元数据，如指标和批准状态。
1. 首先创建一个模型包组来跟踪您的预测模型。
2. 然后（当您创建SageMaker模型时）通过[Model.register()](https://sagemaker.readthedocs.io/en/stable/api/inference/model.html#sagemaker.model.Model.register)将其**注册**为组中的新版本。
3. 在您想要查找要使用的模型时，您可以使用[list\_model\_packages](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.list_model_packages)来过滤到您特定的模型组，也可以按批准状态过滤。

因此您可以将模型包组名称设置为Lambda函数的配置环境变量，并在需要时使函数动态查找要使用的最新版本的组。

在批处理转换作业中调用最新的Sagemaker模型

相关内容