背景
Amazon SageMaker 是亚马逊云科技提供的全托管机器学习服务，整合数据处理、模型训练、超参数优化及部署推理能力。它支持开发者使用 Notebook 实例快速调试 AIGC 模型，借助分布式训练集群加速算法迭代，并将模型高效部署为可自动扩缩容的 Inference Endpoint。
前言
本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证，再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化，最后利用 Amazon Cloud9 调试 Web 应用，并调用已部署的 SageMaker Inference Endpoint 实现 AIGC 模型的实际应用。
Amazon SageMaker 部署 AIGC 模型
步骤一：创建亚马逊云科技账户
- 注册亚马逊云科技账号。
- 进入注册页面，输入电子邮件地址进行注册。
- 设置用户信息：输入根用户密码和确认密码，选择个人或企业。
- 添加付款信息：必须先添加有效的支付方式才能继续注册。
- 用户信息验证：选择接收验证码的联系方式及电话号码国家或地区代码。
- 客户验证与激活账户：选择亚马逊云科技支持服务计划。
- 注册成功。
步骤二：创建 Amazon SageMaker Notebook 实例
- 登录亚马逊云科技控制台。
- 进入 SageMaker 服务，搜索 SageMaker。
- 进入笔记本实例控制面板（左侧菜单栏点击笔记本实例）。
- 创建笔记本实例。
- 配置笔记本实例设置：设置名称、选择笔记本实例类型以及存储大小。
- 配置笔记本实例权限：创建一个 IAM 角色，用于调用包括 SageMaker 和 S3 在内的其他服务，例如上传模型、部署模型等。IAM 角色处点击下拉列表，选择创建新角色。
- 在弹出的配置页面中，默认配置即可。
- 成功创建 IAM 角色。
- 创建实例：检查先前配置的信息，确认无误后点击创建笔记本实例。
- 等待实例创建成功，进入 Jupyter Notebook。
- 构建 Stable-Diffusion 环境（Jupyter Lab 控制台，选择最下面的 Terminal）。
- 下载 Notebook 代码文件。
- 打开刚刚下载的 Notebook 文件，内核选择 conda_pytorch_p39。
步骤三：Amazon Cloud9 构建前后端 Web 应用
- 亚马逊云科技控制台进入 Cloud9 服务。
- 创建 Cloud9 环境。
- 配置 Cloud9 环境名字，其他部分配置保持默认，等待创建成功即可。
- 进入 Amazon Cloud9 环境。
- Cloud9 下方的控制台中输入以下指令下载保存 Web 应用程序代码压缩文件，并将该压缩文件进行解压。
- 解压后 SampleWebApp 文件夹包含以下内容：
- 后端代码 app.py：接收前端请求并调用 SageMaker Endpoint 将文字生成图片。
- 两个前端 html 文件 image.html 和 index.html。
- 解压后 SampleWebApp 文件夹包含以下内容：
- Amazon Cloud9 上安装 Flask 和 boto3。
- 运行 app.py，并且点击 Amazon Cloud9 上方的 Run 按钮运行代码。
- 预览 web 前端页面。
- Amazon Cloud9 环境打开 web 页面。
- 输入信息生成图片（自定义图片长度和宽度，Prompt 输入框处输入语句或描绘性词汇生成图片）。输入语句时，详细描述需求信息，以便 AI 绘制出的图片更贴合预期，比如通过描述性词语，如 cartoon style、van gogh style、realistic 表明图片的整体风格。例如：可将长度和宽度都设置成 512，输入以下描绘性语句生成一张卡通风格的宇航员猴子图片，以及一张超级英雄的图片。
- 成功页面展示。
