Crea modelli di progetto personalizzati - Amazon SageMaker AI

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.

Crea modelli di progetto personalizzati

Importante

A partire dal 28 ottobre 2024, i AWS CodeCommit modelli sono stati rimossi. Per i nuovi progetti, seleziona tra i modelli di progetto disponibili che utilizzano repository Git di terze parti. Per ulteriori informazioni, consulta MLOps Modelli di progetto.

Se i modelli SageMaker forniti dall'intelligenza artificiale non soddisfano le tue esigenze (ad esempio, desideri un'orchestrazione più complessa CodePipeline con più fasi o passaggi di approvazione personalizzati), crea i tuoi modelli.

Ti consigliamo di iniziare a utilizzare i modelli SageMaker forniti dall'intelligenza artificiale per capire come organizzare il codice e le risorse e sfruttarli a partire da essi. Per fare ciò, dopo aver abilitato l'accesso dell'amministratore SageMaker ai modelli di intelligenza artificiale, accedi a, scegli Portfolio https://console.aws.amazon.com/servicecatalog/, quindi scegli Importati. Per informazioni sul catalogo servizi, consulta Panoramica del catalogo servizi nella Guida per l’utente al catalogo servizi.

Crea i tuoi modelli di progetto per personalizzare il tuo MLOps progetto. SageMaker I modelli di progetto AI sono prodotti forniti da Service Catalog per fornire le risorse per il tuo progetto. MLOps

Per creare un modello di progetto personalizzato, completa la seguente procedura.

  1. Crea un portfolio. Per informazioni, consulta Fase 3: creazione di un portfolio del catalogo servizi.

  2. Creazione di un prodotto Un prodotto è un modello. CloudFormation Puoi creare più versioni del prodotto. Per informazioni, consulta Fase 4: creazione di un prodotto del catalogo servizi.

    Affinché il prodotto funzioni con SageMaker Projects, aggiungi i seguenti parametri al tuo modello di prodotto.

    SageMakerProjectName:
Type: String
Description: Name of the project

SageMakerProjectId:
Type: String
Description: Service generated Id of the project.
    Importante

    Ti consigliamo di inserire il CodeCommit repository nell'archivio del codice SageMaker AI affinché i repository del progetto siano visibili in modalità VPC. Il modello di esempio e l'aggiunta richiesta sono mostrati nei seguenti esempi di codice.

    Modello originale (esempio):

    ModelBuildCodeCommitRepository:
    Type: AWS::CodeCommit::Repository
    Properties:
      # Max allowed length: 100 chars
      RepositoryName: !Sub sagemaker-${SageMakerProjectName}-${SageMakerProjectId}-modelbuild # max: 10+33+15+10=68
      RepositoryDescription: !Sub SageMaker Model building workflow infrastructure as code for the Project ${SageMakerProjectName}
      Code:
        S3:
          Bucket: SEEDCODE_BUCKETNAME
          Key: toolchain/model-building-workflow-v1.0.zip
        BranchName: main

    Contenuti aggiuntivi da aggiungere in modalità VPC:

    SageMakerRepository:
    Type: AWS::SageMaker::CodeRepository
    Properties:
        GitConfig:
            RepositoryUrl: !GetAtt ModelBuildCodeCommitRepository.CloneUrlHttp
            Branch: main

  3. Aggiungi un vincolo di avvio. Un vincolo di avvio designa un ruolo IAM che il catalogo servizi assume quando un utente avvia un prodotto. Per informazioni, consulta Fase 6: aggiunta di un vincolo di avvio per assegnare un ruolo IAM.

  4. Effettua il provisioning del prodotto https://console.aws.amazon.com/servicecatalog/per testare il modello. Se sei soddisfatto del modello, continua con il passaggio successivo per renderlo disponibile in Studio (o Studio Classic).

  5. Concedi l'accesso al portfolio Service Catalog creato nel passaggio 1 al tuo ruolo di esecuzione di Studio (o Studio Classic). Utilizza il ruolo di esecuzione del dominio o un ruolo utente con accesso a Studio (o Studio Classic). Per informazioni sull'aggiunta di un ruolo al portfolio, consulta Fase 7: concessione dell’accesso al portfolio agli utenti finali.

  6. Per rendere il modello di progetto disponibile nell'elenco dei modelli di organizzazione in Studio (o Studio Classic), crea un tag con la chiave e il valore seguenti per il prodotto Service Catalog che hai creato nel passaggio 2.

    • chiave: sagemaker:studio-visibility

    • valore: true

Dopo aver completato questi passaggi, gli utenti di Studio (o Studio Classic) dell'organizzazione possono creare un progetto con il modello creato seguendo i passaggi indicati Crea un MLOps progetto utilizzando Amazon SageMaker Studio o Studio Classic e scegliendo Modelli di organizzazione quando si sceglie un modello.