本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
创建模型组
模型组包含模型的不同版本。您可以创建一个模型组,用于跟踪您为解决特定问题而训练的所有模型。使用 AWS SDK for Python (Boto3) 或 Amazon SageMaker Studio 控制台创建模型组。
创建模型组 (Boto3)
重要
允许 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 创建亚马逊 SageMaker资源的自定义IAM策略还必须授予向这些资源添加标签的权限。需要向资源添加标签的权限,因为 Studio 和 Studio Classic 会自动标记他们创建的任何资源。如果IAM策略允许 Studio 和 Studio Classic 创建资源但不允许标记,则在尝试创建资源时可能会出现 AccessDenied “” 错误。有关更多信息,请参阅 提供标记 SageMaker资源的权限。
AWS Amazon 托管政策 SageMaker授予创建 SageMaker 资源的权限已经包括在创建这些资源时添加标签的权限。
要使用 Boto3 创建模型组,请调用create_model_package_group
API操作并指定名称和描述作为参数。以下示例说明了如何创建模型组。create_model_package_group
电话会议的回复是新模型组的 Amazon 资源名称 (ARN)。
首先,导入所需的软件包并设置 SageMaker Boto3 客户端。
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)
现在创建模型组。
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']))
创建模型组(工作室或经典工作室)
要在 Amazon SageMaker Studio 控制台中创建模型组,请根据您使用的是 Studio 还是 Studio Classic 完成以下步骤。