Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Amazon SageMaker Inference Recommender
<a name="inference-recommender"></a>

Amazon SageMaker Inference Recommender è una funzionalità di Amazon AI. SageMaker Riduce il tempo necessario per mettere in produzione i modelli di machine learning (ML) automatizzando i test di carico e l'ottimizzazione dei modelli tra SageMaker le istanze AI ML. Puoi usare il suggeritore di inferenza per implementare il tuo modello su un endpoint di inferenza in tempo reale o senza server che offre le migliori prestazioni al minor costo. Inference Recommender aiuta a selezionare il tipo di istanza e la configurazione migliori per i tuoi modelli e carichi di lavoro ML. Considera fattori come il conteggio di istanze, i parametri del container, le ottimizzazioni dei modelli, la simultaneità massima e la dimensione della memoria.

Amazon SageMaker Inference Recommender ti addebita solo le istanze utilizzate durante l'esecuzione dei processi.

## Come funziona
<a name="inference-recommender-how-it-works"></a>

Per utilizzare Amazon SageMaker Inference Recommender, puoi [ creare un modello SageMaker AI ](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModel.html) o registrarne uno nel Model Registry con gli artefatti del SageMaker modello. Usa la AWS SDK per Python (Boto3) o la console SageMaker AI per eseguire lavori di benchmarking per diverse configurazioni di endpoint AI. SageMaker I processi di suggerimento delle inferenze ti aiutano a raccogliere e visualizzare i parametri relative di tutte le prestazioni e sull'utilizzo delle risorse per aiutarti a decidere quale tipo e configurazione di endpoint scegliere.

## Come iniziare
<a name="inference-recommender-get-started"></a>

Se sei un utente alle prime armi di Amazon SageMaker Inference Recommender, ti consigliamo di fare quanto segue:

1. Leggi la [Prerequisiti per l'utilizzo di Amazon Inference Recommender SageMaker](inference-recommender-prerequisites.md) sezione per assicurarti di aver soddisfatto i requisiti per utilizzare Amazon SageMaker Inference Recommender.

1. Consulta la sezione [Lavori di raccomandazione con Amazon SageMaker Inference Recommender](inference-recommender-recommendation-jobs.md) per avviare i primi processi di raccomandazione del suggeritore di inferenza.

1. Esplora l'esempio introduttivo di notebook [ Jupyter di Amazon SageMaker Inference Recommender o esamina i taccuini di ](https://github.com/aws/amazon-sagemaker-examples/blob/master/sagemaker-inference-recommender/inference-recommender.ipynb) esempio nella sezione seguente.

## Notebook di esempio
<a name="inference-recommender-notebooks"></a>

Il seguente esempio di notebook Jupyter può aiutarti con i flussi di lavoro per diversi casi d'uso nel suggeritore di inferenza:
+ Se desideri un notebook introduttivo che analizzi un modello, consulta il taccuino Inference Recommender. TensorFlow [ SageMaker TensorFlow ](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/inference-recommender.ipynb)
+ Se desideri eseguire il benchmark di un HuggingFace modello, consulta Inference Recommender per notebook. [ SageMaker HuggingFace ](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/huggingface-inference-recommender/huggingface-inference-recommender.ipynb)
+ Se desideri confrontare un modello XGBoost, consulta il notebook Inference Recommender XGBoost. [ SageMaker ](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/xgboost/xgboost-inference-recommender.ipynb)
+ Se desideri esaminare le metriche per i tuoi lavori di Inference Recommender, consulta il taccuino CloudWatch sulle metriche di Inference Recommender. [ SageMaker CloudWatch ](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/tensorflow-cloudwatch/tf-cloudwatch-inference-recommender.ipynb)