翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
モデルグループを作成する
モデルグループには、バージョン管理されたモデルのグループが含まれています。 AWS SDK for Python (Boto3) または Amazon SageMaker Studio コンソールを使用してモデルグループを作成します。
モデルグループを作成する (Boto3)
重要
Amazon SageMaker Studio または Amazon SageMaker Studio Classic が Amazon SageMaker リソースを作成できるようにするカスタムIAMポリシーでは、それらのリソースにタグを追加するアクセス許可も付与する必要があります。Studio と Studio Classic は、作成したリソースに自動的にタグ付けするため、リソースにタグを追加するアクセス許可が必要です。IAM ポリシーで Studio と Studio Classic がリソースの作成を許可されていてもタグ付けが許可されていない場合、リソースの作成時にAccessDenied「」エラーが発生する可能性があります。詳細については、「リソースにタグ付けするための SageMakerアクセス許可を提供する」を参照してください。
AWS Amazon の マネージドポリシー SageMaker SageMaker リソースを作成するアクセス許可を付与する には、それらのリソースの作成中にタグを追加するアクセス許可が既に含まれています。
Boto3 を使用してモデルグループを作成するには、 create_model_package_group
APIオペレーションを呼び出し、パラメータとして名前と説明を指定します。次の例は、モデルを作成する方法を示しています。create_model_package_group
呼び出しからのレスポンスは、新しいモデルグループの Amazon リソースネーム (ARN) です。
まず、必要なパッケージをインポートし、 SageMaker Boto3 クライアントを設定します。
import time import os 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)
次に、モデルグループを作成します。
import time model_package_group_name = "scikit-iris-detector-" + str(round(time.time())) model_package_group_input_dict = { "ModelPackageGroupName" : model_package_group_name, "ModelPackageGroupDescription" : "Sample model package group" } create_model_package_group_response = sm_client.create_model_package_group(**model_package_group_input_dict) print('ModelPackageGroup Arn : {}'.format(create_model_package_group_response['ModelPackageGroupArn']))
モデルグループを作成する (Studio または Studio Classic)
Amazon SageMaker Studio コンソールで Model Group を作成するには、Studio と Studio Classic のどちらを使用するかに基づいて次の手順を実行します。