Paso 3: Editar El Modelo En Sagemaker - AWS DeepLens Guia

Paso 3: Editar el modelo en SageMaker
En este paso, tiene que abrir el bloc de notas <your-name>-hotdog y editar el modelo de detección de
objetos para que reconozca un perrito caliente. El bloc de notas contiene explicaciones para ayudarle en
cada paso.
1. Abra la consola de Amazon SageMaker en https://console.aws.amazon.com/sagemaker/.
2. Asegúrese de que se elige la región EE.UU. Este (Norte de Virginia).
3. En el panel de navegación, elija Notebook instances (Instancias con bloc de notas).
4. En la página Notebooks (Blocs de notas), elija el botón de opción a la izquierda de la instancia del
bloc de notas que acaba de crear (<your-name>-hotdog). Cuando el estado del bloc de notas sea
InService, elija Open Jupiter (Abrir Jupiter).
5. Abra una nueva pestaña en el navegador y vaya a
deeplens-workshop.
6. Descargue el archivo .zip o clone el repositorio de Git con el siguiente comando. Si ha descargado el
archivo .zip, localícelo y extráigalo todo.
git clone git@github.com:aws-samples/reinvent-2017-deeplens-workshop.git
Si ha descargado el archivo .zip, localícelo y extráigalo todo.
Ahora carga el archivo de entrenamiento y lo utiliza para editar el modelo.
1. En la pestaña Jupyter, elija Upload (Cargar).
2. Vaya al archivo extraído deeplens-hotdog-or-not-hotdog.ipynb, a continuación, elija Open
(Abrir) y, a continuación, elija Upload (Cargar).
3. Localice y elija el bloc de notas deeplens-hotdog-or-not-hotdog.
4. En la esquina superior derecha de la pantalla de Jupyter, compruebe que el kernel sea
conda_mxnet_p36. Si no es el caso, cambie el kernel.
5. En el archivo deeplens-hotdog-or-not-hotdog.ipynb, busque bucket=
here'. Sustituya
name
por ejemplo deeplens-sagemaker-<your-name>.
Regrese a la parte superior del archivo.
Para cada paso (In [#]:) en el archivo:
a. Lea la descripción del paso.
b. Si el bloque tiene un código, coloque el cursor en el bloque de códigos y ejecute el bloque de
códigos. Para ejecutar un bloque de código en Jupyter, utilice Ctrl+<Enter> o seleccione el
icono de ejecución ( ).
Important
Cada paso se numera de la siguiente manera In [1]:. Mientras el bloque se está
ejecutando, eso cambia a In [*]:. Cuando el bloque termina de ejecutarse regresa a
In [1]:. No pase al siguiente bloque de códigos mientras se está ejecutando el bloque
actual.
6. Una vez que haya terminado de editar el modelo, vuelva a la consola de Amazon S3, elija el nombre
del bucket, elija eltestLa carpeta de y, a continuación, compruebe que los siguientes artefactos del
modelo editado se han almacenado en la carpeta de prueba del bucket de S3.
• Hotdog_or_not_model-0000.params
• Hotdog_or_not_model-symbol.json
AWS DeepLens Guía para desarrolladores
Uso de SageMaker para aprovisionar
un modelo para un proyecto
su nombre del bucket de s3 aquí
76
https://github.com/aws-samples/reinvent-2017-
con el nombre de su bucket de S3,
'your S3 bucket