Berjalan Melalui MLOps Proyek SageMaker AI Menggunakan Repo Git Pihak Ketiga

Untuk mengatur GitHub koneksi:

1. Masuk ke CodePipeline konsol di https://console.aws.amazon.com/codepipeline/

2. Di bawah Pengaturan di panel navigasi, pilih Koneksi.

3. Pilih Buat koneksi.

4. Untuk Pilih penyedia, pilih GitHub.

5. Untuk nama Koneksi, masukkan nama.

6. Pilih Connect to GitHub.

7. Jika GitHub aplikasi AWS Connector sebelumnya tidak diinstal, pilih Instal aplikasi baru.

   Ini menampilkan daftar semua akun GitHub pribadi dan organisasi tempat Anda memiliki akses.

8. Pilih akun tempat Anda ingin membangun konektivitas untuk digunakan dengan SageMaker Proyek dan GitHub repositori.

9. Pilih Konfigurasikan

10. Anda dapat memilih repositori spesifik Anda atau memilih Semua repositori.

11. Pilih Simpan. Saat aplikasi diinstal, Anda akan diarahkan ke GitHub halaman Connect to dan ID penginstalan diisi secara otomatis.

12. Pilih Hubungkan.

13. Tambahkan tag dengan kunci sagemaker dan nilai true ke AWS CodeStar koneksi ini.

14. Salin koneksi ARN untuk disimpan nanti. Anda menggunakan ARN sebagai parameter dalam langkah pembuatan proyek.

Untuk membuat MLOps proyek SageMaker AI

1. Masuk ke Studio Classic. Untuk informasi selengkapnya, lihat Ikhtisar domain Amazon SageMaker AI.

2. Di sidebar Studio Classic, pilih ikon Beranda ( ).

3. Pilih Deployment dari menu, lalu pilih Projects.

4. Pilih Buat proyek.

   Tab Create project akan muncul.

5. Untuk template proyek SageMaker AI, pilih MLOpstemplate untuk pembuatan model, pelatihan, dan penerapan dengan repositori Git pihak ketiga.

6. Pilih Pilih template proyek.

7. Di bawah ModelBuild CodeRepository Info, berikan parameter berikut:

   • Untuk URL, masukkan URL repositori Git Anda untuk kode build model dalam format https://git-url.git.

   • Untuk Branch, masukkan cabang yang akan digunakan dari repositori Git Anda untuk aktivitas pipeline.

   • Untuk Nama Repositori Lengkap, masukkan nama repositori Git dalam format atau. username/repository name organization/repository name

   • Untuk ARN Koneksi Codestar, masukkan ARN koneksi yang Anda buat AWS CodeStar di Langkah 1.

   • Sakelar sakelar Kode Sampel memungkinkan Anda memilih apakah akan mengisi repositori dengan kode benih build model. Kita bisa membiarkannya untuk demo ini.

8. Di bawah ModelDeploy CodeRepository Info, berikan parameter berikut:

   • Untuk URL, masukkan URL repositori Git Anda untuk kode penerapan model dalam format https://git-url.git.

   • Untuk Branch, masukkan cabang yang akan digunakan dari repositori Git Anda untuk aktivitas pipeline.

   • Untuk Nama Repositori Lengkap, masukkan nama repositori Git dalam format atau. username/repository name organization/repository name

   • Untuk ARN Koneksi Codestar, masukkan ARN koneksi yang Anda buat AWS CodeStar di Langkah 1.

   • Sakelar sakelar Kode Sampel memungkinkan Anda memilih apakah akan mengisi repositori dengan kode benih penerapan model. Kita bisa membiarkannya untuk demo ini.

9. Pilih Buat Proyek.

Untuk membuat perubahan kode

1. Di GitHub repo build model Anda, navigasikan ke pipelines/abalone folder. Klik dua kali pipeline.py untuk membuka file kode.

2. Dalam pipeline.py file, temukan baris yang menetapkan jenis instance pelatihan.

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

   Buka file untuk diedit, ubah ml.m5.xlarge keml.m5.large, lalu komit.

Untuk menyetujui versi model

1. Di sidebar Studio Classic, pilih ikon Beranda ( ).

2. Pilih Deployment dari menu, lalu pilih Projects.

3. Temukan nama proyek yang Anda buat pada langkah pertama dan klik dua kali untuk membuka tab proyek untuk proyek Anda.

4. Di tab proyek, pilih Grup model, lalu klik dua kali nama grup model yang muncul.

   Tab grup model muncul.

5. Di tab grup model, klik dua kali Versi 1. Tab Versi 1 terbuka. Pilih Perbarui status.

6. Dalam kotak dialog Perbarui status versi model model, di daftar tarik-turun Status, pilih Menyetujui lalu pilih Perbarui status.

   Menyetujui versi model menyebabkan MLOps sistem menyebarkan model ke pementasan. Untuk melihat titik akhir, pilih tab Endpoints pada tab project.

Untuk menyebarkan versi model ke lingkungan produksi

1. Masuk ke CodePipeline konsol di https://console.aws.amazon.com/codepipeline/

2. Pilih Pipelines, lalu pilih pipeline dengan nama sagemaker- projectname - projectid -modeldeploy, di mana projectname nama proyek Anda, dan projectid merupakan ID proyek Anda.

3. Di DeployStagingpanggung, pilih Review.

4. Di kotak dialog Tinjau, pilih Menyetujui.

   Menyetujui DeployStagingtahapan menyebabkan MLOps sistem menyebarkan model ke produksi. Untuk melihat titik akhir, pilih tab Endpoints pada tab project di Studio Classic.

1. Di sidebar Studio Classic, pilih ikon Beranda ( ).

2. Pilih Deployment dari menu, lalu pilih Projects.

3. Pilih proyek target dari daftar dropdown. Jika Anda tidak melihat proyek Anda, ketikkan nama proyek dan terapkan filter untuk menemukan proyek Anda.

4. Pilih proyek Anda untuk melihat detailnya di panel utama.

5. Pilih Hapus dari menu Tindakan.

6. Konfirmasikan pilihan Anda dengan memilih Hapus dari jendela Hapus Proyek.

   Ini menghapus produk yang disediakan oleh Service Catalog yang dibuat oleh proyek. Ini termasuk CodeCommit, CodePipeline, dan CodeBuild sumber daya yang dibuat untuk proyek.

7. Hapus AWS CloudFormation tumpukan yang dibuat proyek. Ada dua tumpukan, satu untuk pementasan dan satu untuk produksi. Nama-nama tumpukan adalah sagemaker- projectname - project-id -deploy-staging dan sagemaker- projectname - project-id -deploy-prod, di mana nama proyek Anda, dan projectname merupakan ID proyek Anda. project-id

   Untuk selengkapnya tentang cara menghapus AWS CloudFormation tumpukan, lihat Menghapus tumpukan di AWS CloudFormation konsol di Panduan AWS CloudFormation Pengguna.

8. Hapus bucket Amazon S3 yang dibuat proyek. Nama bucket adalah sagemaker-project- project-id, di mana project-id ID proyek Anda.