元模型来源

解释说明

创建模型时，选择不同来源的元模型，需要配置的参数不同。

从训练中选择
如果您在ModelArts中创建训练作业，并完成模型训练。在得到满意的模型后，可以将训练后得到的模型创建为模型，用于部署上线。
从容器镜像中选择
针对ModelArts目前不支持的AI引擎，可以通过模型镜像的方式将本地的模型导入ModelArts。通过配置健康检查，支持在线服务进行无损滚动升级。
从对象存储服务（OBS）中选择
如果您使用常用引擎在本地完成模型开发和训练，可以将您的模型上传至OBS中，直接用于部署上线。ModelArts预置镜像支持的AI引擎及其Runtime请参见推理支持的AI引擎。

模型来源的区别

特征	编写配置文件	设置模型/镜像存储路径	支持非典型AI引擎
从训练中选择	x	x	x
从容器镜像中选择	x	√	√
从对象存储服务（OBS）中选择	√（可选）	√	x

注：“√”表示需要/支持，“x”表示不需要/不支持

常见问题

使用从OBS导入元模型时，模型包有哪些规范？

在模型管理创建模型时，如果是从OBS中导入元模型，则需要符合一定的模型包规范。

模型包里面必须包含“model”文件夹，“model”文件夹下面放置模型文件、模型配置文件、模型推理代码。
模型文件必须要存在。
模型配置文件必须存在，文件名固定为“config.json”，有且只有一个，模型配置文件编写请参见模型配置文件编写说明。
模型推理代码文件必选，文件名固定为“customize_service.py”，有且只能有一个，模型推理代码编写请参见模型推理代码编写说明。

从OBS导入TensorFlow架构的模型包结构示例

发布该模型时只需要指定到“ocr”目录。

OBS桶/目录名
|── ocr
|   ├── model 必选： 固定子目录名称，用于放置模型相关文件
|   │   ├── <<自定义python包>>  可选：用户自有的Python包，在模型推理代码中可以直接引用
|   │   ├── saved_model.pb 必选: protocol buffer格式文件，包含该模型的图描述
|   │   ├── variables  对*.pb模型主文件而言必选；固定子目录名称，包含模型的权重偏差等信息
|   │   │   ├── variables.index 必选
|   │   │   ├── variables.data-00000-of-00001 必选
|   │   ├──config.json 必选：模型配置文件，文件名称固定为config.json, 只允许放置一个
|   │   ├──customize_service.py 必选：模型推理代码，文件名称固定为customize_service.py, 只允许放置一个，customize_service.py依赖的文件可以直接放model目录下

更多示例可参见模型包示例。