1 回答
- 最新
- 投票最多
- 评论最多
0
【以下的回答经过翻译处理】 你好, 我认为你在预测时的目标模型需要与你部署的模型相同的名字-例如,当你添加模型时 mme.add_model(model_data_source=model_path, model_data_path="model.tar.gz") 其中model_data_path包含模型的名称。来自Sagemaker示例: (https://github.com/aws/amazon-sagemaker-examples/blob/main/advanced_functionality/multi_model_xgboost_home_value/xgboost_multi_model_endpoint_home_value.ipynb) model_data_path是我们上面指定的S3前缀(即model_data_prefix)的相对路径,我们的端点将从中获取用于推理请求的模型。由于这是相对路径,我们只需在推理时传递我们希望称呼模型工件的名称(即Chicago_IL.tar.gz)。在你的情况下是“model.tar.gz”。 然而,当你预测时你调用的目标模型是"LV1"吗?
相关内容
- AWS 官方已更新 1 年前
- AWS 官方已更新 1 年前
- AWS 官方已更新 2 年前