文档首页/ AI开发平台ModelArts/ 抽屉式帮助/ 创建模型/ 元模型来源
更新时间：2025-05-14 GMT+08:00
分享

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。

使用从容器镜像中导入元模型时，应该如何制作并上传模型镜像？

针对您本地开发的模型，在制作镜像时需满足ModelArts定义的创建模型的自定义镜像规范。

完成镜像制作后，您需要将模型镜像上传至容器镜像服务（SWR）。SWR是一种支持镜像全生命周期管理的服务，供简单易用、安全可靠的镜像管理功能。

操作示例可参考使用自定义镜像创建的模型部署服务。

导入的元模型有大小限制吗？

ModelArts部署使用的是容器化部署，容器运行时有空间大小限制，当用户的模型文件或者其他自定义文件，系统文件超过Docker size大小时，会提示镜像内空间不足。

当前公共资源池容器Docker size的大小最大支持10G，专属资源池Docker size的大小最大支持30G。

如果使用的是OBS导入或者训练导入，则包含基础镜像、模型文件、代码、数据文件和下载安装软件包的大小总和。

如果使用的是自定义镜像导入，则包含解压后镜像和镜像下载文件的大小总和。

父主题： 创建模型