模型卡 FAQs

答案：您可以將模型用於各種商業應用，從預測網路攻擊和核准貸款申請到偵測電子郵件類別。每一個這些申請都假定不同的風險級別。例如，錯誤檢測網路攻擊比錯誤分類電子郵件有更大的業務影響。鑑於模型的這些不同風險概況，您可以使用模型卡來提供模型的low、medium或high的風險評等。如果您不知道您的模型風險，可以將狀態設定為unknown。客戶必須負責為每個模型指派風險概況。根據風險評等，組織可能有不同的規則來將這些模型部署到生產環境中。如需更多資訊，請參閱風險評等。

模型的預定用途描述了您應該如何在生產應用程式中使用模型。這超出了技術需求，例如您應該部署模型的執行個體類型，參考要與模型一起建立的應用程式類型、您可以預期從模型獲得合理效能的情況，或是要與模型搭配使用的資料類型。我們建議在模型卡中提供此資訊，以獲得更好的模型控管。您可以在預期用途欄位中定義一種模型規格，並確保模型開發人員和消費者在訓練和部署其模型時遵循此規格。如需詳細資訊，請參閱模型的預期用途。

當您使用 SageMaker Python SDK或 AWS 主控台建立模型卡時， SageMaker 會自動填入卡片中 SageMaker 訓練模型的詳細資訊。這包括如何訓練模型的詳細資訊，以及describe-modelAPI呼叫傳回的所有模型詳細資訊。

Amazon SageMaker Model Card 具有無法修改的定義結構。此結構為您提供指導，了解應在模型卡中得知哪些資訊。雖然您無法變更模型卡的結構，但是透過模型卡的其他資訊區段中的自訂屬性，可以提供一些彈性。

模型卡具有與之相關的版本。特定的模型版本在模型卡狀態以外的全部屬性中是不可變的。如果您對模型卡進行任何其他變更，例如評估指標、描述或預期用途， 會 SageMaker 建立新的模型卡版本，以反映更新的資訊。這是為了確保模型卡一旦建立，就不會被篡改。

答案：是。您可以為未在 中訓練的模型建立模型卡 SageMaker，但不會在卡片中自動填入任何資訊。您必須提供非SageMaker 模型的模型卡中所需的所有資訊。

答案：可以。您可以將每個版本的模型卡匯出至 PDF，然後下載並共用。

答案：不需要。您可以使用獨立於模型註冊表的模型卡。

答：模型卡旨在透過遵循 SageMaker的規範指導並提供自己的自訂資訊，為組織提供一種機制，以盡可能詳細地記錄其模型的詳細資訊。您可以在機器學習 (ML) 程序開始時引入模型卡，並使用它們來定義模型應該解決的企業問題，以及在使用模型時要考慮的任何事項。訓練模型後，您可以將與該模型相關聯的模型卡填入有關模型及其訓練方式的資訊。模型卡與模型相關聯，模型卡一旦與模型相關聯，就不可變。這樣可以確保與模型相關的所有模型卡資訊來自單一事實來源，包括模型是如何訓練以及應如何使用它。

模型註冊表是儲存模型相關的中繼資料目錄。模型註冊表中的每個項目都對應到唯一的模型版本。該模型版本包含模型的相關資訊，例如模型成品在 Amazon S3 中的儲存位置、部署模型所需的容器，以及應連接至模型的自訂中繼資料。

答：模型卡版本和模型版本是 中的不同實體 SageMaker。模型卡的每次更新都會產生該卡的新版本。模型版本對應到在模型註冊表中註冊的累加式訓練模型。模型卡版本可以透過模型卡中的模型 ID 欄位連結至模型註冊表中的特定模型版本，但這並非必要。

答：否。您可以透過將指標檔案上傳至 Amazon S3 並將其連結至卡片，將 SageMaker 模型監視器計算的效能指標上傳至模型卡，但模型監視器與模型卡之間沒有原生整合。模型儀表板與模型監控整合。如需模型儀表板的詳細資訊，請參閱 Amazon SageMaker Model Dashboard 。