SageMaker MLOpsTutorial del proyecto con Git Repos de terceros

Para configurar la GitHub conexión:

1. Inicie sesión en la CodePipeline consola en https://console.aws.amazon.com/codepipeline/

2. En Configuración en el panel de navegación, elija Conexiones.

3. Seleccione Crear conexión.

4. En Seleccione un proveedor, seleccione GitHub.

5. En Nombre, escriba un nombre.

6. Selecciona Conectar a GitHub.

7. Si la GitHub aplicación AWS Connector no está instalada anteriormente, selecciona Instalar nueva aplicación.

   Aparecerá una lista de todas las cuentas y organizaciones GitHub personales a las que tiene acceso.

8. Elija la cuenta en la que desee establecer la conectividad para utilizarla con SageMaker proyectos y GitHub repositorios.

9. Elija Configurar.

10. Si lo desea, puede seleccionar sus repositorios específicos o elegir Todos los repositorios.

11. Seleccione Guardar. Cuando se instala la aplicación, se te redirige a la GitHub página Conectar a y el ID de instalación se rellena automáticamente.

12. Elija Conectar.

13. Agrega una etiqueta con la clave sagemaker y el valor true a esta AWS CodeStar conexión.

14. Copia la conexión ARN para guardarla para más tarde. Se utiliza ARN como parámetro en el paso de creación del proyecto.

Para crear el proyecto SageMaker MLOps

1. Inicie sesión en Studio Classic. Para obtener más información, consulte Descripción general SageMaker del dominio de Amazon.

2. En la barra lateral de Studio Classic, selecciona el icono de inicio () .

3. Seleccione Implementaciones en el menú y, a continuación, seleccione Proyectos.

4. Elija Crear proyecto.

   Aparece la pestaña Crear proyecto.

5. En el caso de las plantillas de SageMaker proyectos, elige MLOpsuna plantilla para la creación, el entrenamiento y el despliegue de modelos con repositorios de Git de terceros.

6. Elija Seleccionar plantilla de proyecto.

7. En ModelBuild CodeRepository Información, proporciona los siguientes parámetros:

   • Para URL, introduce el código URL de compilación del modelo en tu repositorio de Git en https://git-urlFormato.git.

   • En Ramificación, ingrese la ramificación que quiera usar desde su repositorio de Git para las actividades de canalización.

   • Para el nombre completo del repositorio, introduce el nombre del repositorio de Git en el formato de username/repository name o organization/repository name.

   • Para Codestar Connection ARN, introduce ARN la AWS CodeStar conexión que creaste en el paso 1.

   • El conmutador Código de muestra le permite elegir si desea rellenar el repositorio con el código inicial de compilación del modelo. Puede dejarlo activado para esta demostración.

8. En ModelDeploy CodeRepository Información, proporcione los siguientes parámetros:

   • Para URL, introduce el código URL de despliegue del modelo en tu repositorio de Git en https://git-urlFormato.git.

   • En Ramificación, ingrese la ramificación que quiera usar desde su repositorio de Git para las actividades de canalización.

   • Para el nombre completo del repositorio, introduce el nombre del repositorio de Git en el formato de username/repository name o organization/repository name.

   • Para Codestar Connection ARN, introduce ARN la AWS CodeStar conexión que creaste en el paso 1.

   • El conmutador Código de muestra le permite elegir si desea rellenar el repositorio con el código inicial de implementación del modelo. Puede dejarlo activado para esta demostración.

9. Elija Crear proyecto.

Para realizar un cambio de código

1. En el GitHub repositorio de compilación del modelo, navegue hasta la carpeta. pipelines/abalone Haga doble clic en pipeline.py para abrir el archivo de código.

2. En el archivo pipeline.py, busque la línea que establece el tipo de instancia de entrenamiento.

   training_instance_type = ParameterString(
           name="TrainingInstanceType", default_value="ml.m5.xlarge"

   Abra el archivo para editarlo, cambie ml.m5.xlarge a ml.m5.large y confirme.

Para aprobar la versión del modelo

1. En la barra lateral de Studio Classic, selecciona el icono de inicio () .

2. Seleccione Implementaciones en el menú y, a continuación, seleccione Proyectos.

3. Busque el nombre del proyecto que creó en el primer paso y haga doble clic en él para abrir la pestaña del proyecto.

4. En la pestaña del proyecto, elija Grupos de modelos y, a continuación, haga doble clic en el nombre del grupo de modelos que aparece.

   Aparece la pestaña del grupo de modelos.

5. En la pestaña del grupo de modelos, haga doble clic en Versión 1. Se abre la pestaña Versión 1. Elija Actualizar estado.

6. En el cuadro de diálogo Actualizar el estado de la versión del modelo, en la lista desplegable Estado, seleccione Aprobar y, a continuación, elija Actualizar estado.

   La aprobación de la versión del modelo hace que el MLOps sistema despliegue el modelo en fase de prueba. Para ver el punto de conexión, seleccione la pestaña Puntos de conexión en la pestaña del proyecto.

Para implementar la versión modelo en el entorno de producción

1. Inicie sesión en la CodePipeline consola en https://console.aws.amazon.com/codepipeline/

2. Elija Pipelines y, a continuación, elija la canalización con el nombre sagemaker-projectname-projectid- despliegue del modelo, donde projectname es el nombre de su proyecto y projectid es el identificador de tu proyecto.

3. En la DeployStagingetapa, selecciona Revisar.

4. En el cuadro de diálogo Revisar, elija Aprobar.

   La aprobación de la DeployStagingetapa hace que el MLOps sistema implemente el modelo en producción. Para ver el punto final, seleccione la pestaña Endpoints en la pestaña del proyecto en Studio Classic.

1. En la barra lateral de Studio Classic, selecciona el icono de inicio () .

2. Seleccione Implementaciones en el menú y, a continuación, seleccione Proyectos.

3. Seleccione el proyecto objetivo del menú desplegable. Si no ve su proyecto, escriba el nombre del proyecto y aplique el filtro para buscarlo.

4. Seleccione su proyecto para ver sus detalles en el panel principal.

5. En el menú Acciones, elija Eliminar.

6. Para confirmar su elección, seleccione Eliminar en la ventana Eliminar proyecto.

   Esto elimina el producto aprovisionado de Service Catalog que creó el proyecto. Esto incluye los CodeCommit CodePipeline, y CodeBuild los recursos creados para el proyecto.

7. Elimine las AWS CloudFormation pilas que creó el proyecto. Hay dos pilas, una para el ensayo y otra para la producción. Los nombres de las pilas son sagemaker-projectname-project-id-deploy-staging y sagemaker- projectname-project-id-deploy-prod, donde projectname es el nombre de su proyecto, y project-id es el identificador de tu proyecto.

   Para obtener información sobre cómo eliminar una AWS CloudFormation pila, consulte Eliminar una pila en la AWS CloudFormation consola en la Guía del AWS CloudFormation usuario.

8. Elimine el bucket de Amazon S3 que creó el proyecto. El nombre del depósito es sagemaker-project-project-id, ¿dónde project-id es el identificador de tu proyecto.