Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Ejemplo de actualización de la fase y el estado de un paquete modelo (boto3)

Modo de enfoque
Ejemplo de actualización de la fase y el estado de un paquete modelo (boto3) - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Para actualizar la fase y el estado de un paquete modelo, tendrá que asumir una función de ejecución con los permisos correspondientes. A continuación, se proporciona un ejemplo de cómo puede actualizar el estado de la etapa mediante la UpdateModelPackageAPI mediante AWS SDK para Python (Boto3).

En este ejemplo, las claves de "Approved" condición de la ModelLifeCycle etapa "Development" y el estado de la etapa para la acción de la UpdateModelPackageAPI se han otorgado a su función de ejecución. Puede incluir una descripción enstage-description. Para obtener más información, consulta Ejemplos de construcción de la puesta en escena.

from sagemaker import get_execution_role, session import boto3 region = boto3.Session().region_name role = get_execution_role() sm_client = boto3.client('sagemaker', region_name=region) model_package_update_input_dict = { "ModelLifeCycle" : { "stage" : "Development", "stageStatus" : "Approved", "stageDescription" : "stage-description" } } model_package_update_response = sm_client.update_model_package(**model_package_update_input_dict)
PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.