पाइथन के साथ एआई सीखें · पाठ

क्लाउड डिप्लॉयमेंट: AWS SageMaker

SageMaker Model, EndpointConfig, Endpoint, real-time inference और batch transform।

पाठ 2, कुल 4 में से13 चरण

क्लाउड डिप्लॉयमेंट: AWS SageMaker, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

SageMaker क्यों

अमेज़न SageMaker ML मॉडलों के प्रशिक्षण और परिनियोजन के लिए एक प्रबंधित सेवा है। सर्वर और लोड बैलेंसर स्वयं तैयार करने के बजाय, आप मॉडल का वर्णन करते हैं और SageMaker पर्दे के पीछे एक स्केलेबल एचटीटीपीएस एंडपॉइंट तैयार कर देता है।

तीन आवश्यक घटक

SageMaker परिनियोजन के लिए तीन चीज़ों की आवश्यकता होती है:

एक कंटेनर इमेज_यूआरआई (ECR में आपकी सर्विंग इमेज या पहले से बनी फ़्रेमवर्क इमेज)
प्रशिक्षित वेट्स मॉडल_डेटा के रूप में, जो एस3 में मौजूद tar.gz फ़ाइल हो
एक IAM भूमिका, जो SageMaker को इन संसाधनों तक पहुँचने की अनुमति देती हो

मॉडल परिभाषित करना

sagemaker.Model ऑब्जेक्ट कंटेनर इमेज को एस3 में मौजूद मॉडल आर्टिफैक्ट से जोड़ता है।

import sagemaker
from sagemaker.model import Model

model = Model(
    image_uri="123456789012.dkr.ecr.us-east-1.amazonaws.com/my-model:latest",
    model_data="s3://my-bucket/models/model.tar.gz",
    role="arn:aws:iam::123456789012:role/SageMakerRole",
)

model.tar.gz में क्या होता है

SageMaker स्टार्टअप के समय model_data को डाउनलोड करके कंटेनर के अंदर /opt/ml/model में निकालता है। आपका सर्विंग कोड वहीं से वेट्स पढ़ता है। इस आर्काइव में आमतौर पर सेव की गई मॉडल फ़ाइल और प्रीप्रोसेसिंग के लिए आवश्यक संसाधन होते हैं।

# model.tar.gz contents
# model.pt
# tokenizer.json
# config.json

रीयल-टाइम एंडपॉइंट परिनियोजित करना

model.deploy एक स्थायी एचटीटीपीएस एंडपॉइंट के पीछे एक या अधिक इंस्टेंस शुरू करता है। आप इंस्टेंस_प्रकार और शुरुआती इंस्टेंस संख्या चुनते हैं।

predictor = model.deploy(
    initial_instance_count=1,
    instance_type="ml.m5.xlarge",
    endpoint_name="my-model-endpoint",
)

इंस्टेंस प्रकार चुनना

इंस्टेंस प्रकार लागत और विलंबता को नियंत्रित करता है:

ml.m5.* सामान्य-उद्देश्य CPU, छोटे मॉडलों के लिए सस्ता
ml.c5.* गणना के लिए अनुकूलित
ml.g4dn.* / ml.g5.* डीप लर्निंग इन्फरेंस के लिए GPU

इंस्टेंस को मॉडल के अनुरूप चुनें: छोटे से स्किकिट-लर्न मॉडल पर GPU का उपयोग करना संसाधनों की बर्बादी है।

predict() को कॉल करना

परिनियोजन के बाद, predictor.predict() एंडपॉइंट को डेटा-पेलोड भेजता है और इन्फरेंस परिणाम लौटाता है। SageMaker अनुरोध को क्रमबद्ध करके उसे किसी सक्रिय इंस्टेंस तक भेजता है।

result = predictor.predict({
    "instances": [[5.1, 3.5, 1.4, 0.2]]
})
print(result)

एंडपॉइंट हटाना

रीयल-टाइम एंडपॉइंट चलते रहने तक प्रति सेकंड शुल्क लेते हैं। जिन एंडपॉइंट की अब आवश्यकता नहीं है, उन्हें हमेशा हटा दें; अन्यथा शून्य ट्रैफ़िक होने पर भी शुल्क बढ़ता रहेगा।

predictor.delete_endpoint()

ऑफ़लाइन कार्यों के लिए बैच रूपांतरण

किसी बड़े डेटासेट पर एक बार स्कोर निकालने के लिए (कम-विलंबता सर्विंग के लिए नहीं), बैच रूपांतरण का उपयोग करें। SageMaker इंस्टेंस शुरू करता है, पूरे एस3 डेटासेट को प्रोसेस करता है, परिणामों को वापस एस3 में लिखता है और फिर इंस्टेंस बंद कर देता है। कोई स्थायी एंडपॉइंट नहीं और निष्क्रिय रहने की कोई लागत नहीं।

बैच रूपांतरण चलाना

आप मॉडल से एक ट्रांसफ़ॉर्मर बनाते हैं और उसे एस3 में मौजूद इनपुट डेटा की ओर निर्देशित करते हैं।

transformer = model.transformer(
    instance_count=1,
    instance_type="ml.m5.xlarge",
    output_path="s3://my-bucket/predictions/",
)
transformer.transform(
    data="s3://my-bucket/input/batch.csv",
    content_type="text/csv",
)
transformer.wait()

रीयल-टाइम बनाम बैच

कार्यभार के आधार पर चुनें:

रीयल-टाइम एंडपॉइंट: लगातार, कम-विलंबता वाले अनुरोध (जैसे, अनुशंसा एपीआई)
बैच रूपांतरण: बड़े डेटासेट पर समय-समय पर स्कोर निकालना (जैसे, हर रात ग्राहक-छोड़ने की भविष्यवाणियाँ)

जब आपको तुरंत प्रतिक्रियाओं की आवश्यकता नहीं होती, तब बैच तरीका बहुत सस्ता होता है।

त्वरित जाँच

रीयल-टाइम एंडपॉइंट के बजाय SageMaker बैच रूपांतरण का उपयोग कब करना चाहिए?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन

आपने AWS SageMaker पर मॉडल परिनियोजित करना सीखा:

sagemaker.Model, एस3 में मौजूद मॉडल_डेटा को इमेज_यूआरआई से जोड़ता है
model.deploy, चुने हुए इंस्टेंस_प्रकार पर रीयल-टाइम एंडपॉइंट बनाता है
predictor.predict() इन्फरेंस अनुरोध भेजता है
बैच रूपांतरण बड़े ऑफ़लाइन कार्यभार को कम लागत में संभालता है
शुल्क से बचने के लिए निष्क्रिय एंडपॉइंट हमेशा हटा दें

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 53
पाठ: 225

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “क्लाउड डिप्लॉयमेंट: AWS SageMaker” पाठ निःशुल्क है?

हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “क्लाउड डिप्लॉयमेंट: AWS SageMaker” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“क्लाउड डिप्लॉयमेंट: AWS SageMaker” में मैं क्या सीखूँगा?

SageMaker Model, EndpointConfig, Endpoint, real-time inference और batch transform। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“क्लाउड डिप्लॉयमेंट: AWS SageMaker” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

Docker के साथ मशीन लर्निंग मॉडल को कंटेनरीकृत करना
क्लाउड डिप्लॉयमेंट: AWS SageMaker
Triton Inference Server के साथ उच्च-प्रदर्शन सर्विंग
मॉडल एंडपॉइंट की स्केलिंग और ऑटो-स्केलिंग

← पाइथन के साथ एआई सीखें पर वापस जाएँ