기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
모델 그룹 생성
모델 그룹에는 다양한 버전의 모델이 포함되어 있습니다. 특정 문제를 해결하기 위해 훈련시킨 모든 모델을 추적하는 모델 그룹을 생성할 수 있습니다. AWS SDK for Python (Boto3) 또는 Amazon SageMaker Studio 콘솔을 사용하여 모델 그룹을 생성합니다.
모델 그룹 생성(Boto3)
중요
Amazon SageMaker Studio 또는 Amazon SageMaker Studio Classic이 Amazon SageMaker 리소스를 생성할 수 있도록 허용하는 사용자 지정 IAM 정책도 해당 리소스에 태그를 추가할 수 있는 권한을 부여해야 합니다. Studio와 Studio Classic은 생성한 모든 리소스에 태그를 자동으로 지정하므로 리소스에 태그를 추가할 수 있는 권한이 필요합니다. IAM 정책에서 Studio 및 Studio Classic이 리소스를 생성하도록 허용하지만 태그 지정은 허용하지 않는 경우 리소스를 생성하려고 할 때 “AccessDenied” 오류가 발생할 수 있습니다. 자세한 내용은 리소스에 태그를 지정할 SageMaker 수 있는 권한 제공 단원을 참조하십시오.
AWS Amazon용 관리형 정책 SageMaker 는 SageMaker 리소스를 생성할 수 있는 권한을 부여하며 이러한 리소스를 생성하는 동안 태그를 추가할 수 있는 권한이 이미 포함되어 있습니다.
Boto3를 사용하여 모델 그룹을 생성하려면 create_model_package_group
API 작업을 호출하고 이름과 설명을 파라미터로 지정합니다. 다음 예시에서는 모델 그룹을 생성하는 방법을 보여 줍니다. create_model_package_group
호출의 응답은 새 모델 그룹의 Amazon 리소스 이름(ARN)입니다.
먼저 필요한 패키지를 가져오고 SageMaker Boto3 클라이언트를 설정합니다.
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)
이제 모델 그룹을 생성합니다.
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']))
모델 그룹 생성(Studio 또는 Studio Classic)
Amazon SageMaker Studio 콘솔에서 모델 그룹을 생성하려면 Studio 또는 Studio Classic을 사용하는지 여부에 따라 다음 단계를 완료합니다.