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

要创建模型，您必须提供模型构件和容器映像的位置。您也可以使用 “模型注册表” 中的SageMaker 模型版本。以下各节中的示例向您展示了如何使用 CreateModelAPI、模型注册表和 Amazon A SageMaker I 控制台创建模型。

创建模型（使用模型注册表）

模型注册表是 SageMaker AI 的一项功能，可帮助您对模型的版本进行编目和管理，以便在机器学习管道中使用。要将模型注册表与无服务器推理一起使用，必须先在模型注册表模型组中注册模型版本。要了解如何在模型注册表中注册模型，请按照创建模型组和注册模型版本中的步骤操作。

以下示例要求您拥有已注册模型版本的 ARN，并使用适用于 Python 的AWS SDK (Boto3) 来调用 API。CreateModel对于无服务器推理，目前只有适用于 Python 的 AWS SDK (Boto3) 支持模型注册表。在示例中，请指定以下值：

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker AI permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Specify a name for the model
model_name = "<name-for-model>"

#Specify a Model Registry model version
container_list = [
    {
        "ModelPackageName": <model-version-arn>
     }
 ]

#Create the model
response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    container_list
)

创建模型（使用 API）

以下示例使用适用于 Python 的AWS 软件开发工具包 (Boto3) 来调用 API。CreateModel指定以下值：

#Setup
import boto3
import sagemaker
region = boto3.Session().region_name
client = boto3.client("sagemaker", region_name=region)

#Role to give SageMaker AI permission to access AWS services.
sagemaker_role = sagemaker.get_execution_role()

#Get model from S3
model_url = "s3://amzn-s3-demo-bucket/models/model.tar.gz"

#Get container image (prebuilt example)
from sagemaker import image_uris
container = image_uris.retrieve("xgboost", region, "0.90-1")

#Create model
model_name = "<name-for-model>"

response = client.create_model(
    ModelName = model_name,
    ExecutionRoleArn = sagemaker_role,
    Containers = [{
        "Image": container,
        "Mode": "SingleModel",
        "ModelDataUrl": model_url,
    }]
)

创建模型（使用控制台）