本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

透過登錄檔部署模型

註冊模型版本並核准部署後，請將其部署到 SageMaker 端點以進行即時推論。您可以使用 SDK或 AWS SDK for Python (Boto3) （Boto3） 部署模型 SageMaker。

當您建立機器學習操作 （MLOps） 專案並選擇包含模型部署的MLOps專案範本時，模型登錄檔中核准的模型版本會自動部署到生產環境。如需有關使用 SageMakerMLOps專案的資訊，請參閱 MLOps 使用 SageMaker 專案自動化。

您也可以透過新增跨帳戶資源政策，讓 AWS 帳戶部署在不同帳戶中建立的模型版本。例如，您組織中的一個團隊可能負責訓練模型，另一個團隊負責部署和更新模型。

從登錄檔部署模型 （SageMaker SDK）

若要使用 Amazon SageMaker Python SDK 部署模型版本，請使用下列程式碼片段：

from sagemaker import ModelPackage
from time import gmtime, strftime

model_package_arn = 'arn:aws:sagemaker:us-east-2:12345678901:model-package/modeltest/1'
model = ModelPackage(role=role, 
                     model_package_arn=model_package_arn, 
                     sagemaker_session=sagemaker_session)
model.deploy(initial_instance_count=1, instance_type='ml.m5.xlarge')

透過登錄檔部署模型 (Boto3)

若要使用 部署模型版本 AWS SDK for Python (Boto3)，請完成下列步驟：

從其他帳戶部署模型版本

您可以新增跨 AWS 帳戶資源政策，以允許帳戶部署在不同帳戶中建立的模型版本。例如，您組織中的一個團隊可能負責訓練模型，另一個團隊負責部署和更新模型。建立資源政策後，您可以將政策套用至要向其授予存取權的特定資源。如需 中跨帳戶資源政策的詳細資訊 AWS，請參閱 AWS Identity and Access Management 使用者指南 中的跨帳戶政策評估邏輯。

若要在 中啟用跨帳戶模型部署 SageMaker，您必須為模型群組提供跨帳戶資源政策，其中包含您要部署的模型版本、模型群組推論映像所在的 Amazon ECR儲存庫，以及儲存模型版本的 Amazon S3 儲存貯體。

若要能夠部署在不同帳戶中建立的模型，您必須具有可存取 SageMaker 動作的角色，例如具有 AmazonSageMakerFullAccess 受管政策的角色。如需 SageMaker 受管政策的相關資訊，請參閱 AWS Amazon 的受管政策 SageMaker。

下列範例會為所有這三種資源建立跨帳戶政策，並將政策套用至資源。此範例也會假設您先前已定義下列變數：

import json

# The cross-account id to grant access to
cross_account_id = "123456789012"

# Create the policy for access to the ECR repository
ecr_repository_policy = {
    'Version': '2012-10-17',
    'Statement': [{
        'Sid': 'AddPerm',
        'Effect': 'Allow',
        'Principal': {
            'AWS': f'arn:aws:iam::{cross_account_id}:root'
        },
        'Action': ['ecr:*']
    }]
}

# Convert the ECR policy from JSON dict to string
ecr_repository_policy = json.dumps(ecr_repository_policy)

# Set the new ECR policy
ecr = boto3.client('ecr')
response = ecr.set_repository_policy(
    registryId = account,
    repositoryName = 'decision-trees-sample',
    policyText = ecr_repository_policy
)

# Create a policy for accessing the S3 bucket
bucket_policy = {
    'Version': '2012-10-17',
    'Statement': [{
        'Sid': 'AddPerm',
        'Effect': 'Allow',
        'Principal': {
            'AWS': f'arn:aws:iam::{cross_account_id}:root'
        },
        'Action': 's3:*',
        'Resource': f'arn:aws:s3:::{bucket}/*'
    }]
}

# Convert the policy from JSON dict to string
bucket_policy = json.dumps(bucket_policy)

# Set the new policy
s3 = boto3.client('s3')
response = s3.put_bucket_policy(
    Bucket = bucket,
    Policy = bucket_policy)

# Create the KMS grant for encryption in the source account to the
# Model Registry account Model Group
client = boto3.client('kms')

response = client.create_grant(
    GranteePrincipal=cross_account_id,
    KeyId=kms_key_id
    Operations=[
        'Decrypt',
        'GenerateDataKey',
    ],
)

# 3. Create a policy for access to the Model Group.
model_package_group_policy = {
    'Version': '2012-10-17',
    'Statement': [{
        'Sid': 'AddPermModelPackageGroup',
        'Effect': 'Allow',
        'Principal': {
            'AWS': f'arn:aws:iam::{cross_account_id}:root'
        },
        'Action': ['sagemaker:DescribeModelPackageGroup'],
        'Resource': f'arn:aws:sagemaker:{region}:{account}:model-package-group/{model_package_group_name}'
    },{
        'Sid': 'AddPermModelPackageVersion',
        'Effect': 'Allow',
        'Principal': {
            'AWS': f'arn:aws:iam::{cross_account_id}:root'
        },
        'Action': ["sagemaker:DescribeModelPackage",
                   "sagemaker:ListModelPackages",
                   "sagemaker:UpdateModelPackage",
                   "sagemaker:CreateModel"],
        'Resource': f'arn:aws:sagemaker:{region}:{account}:model-package/{model_package_group_name}/*'
    }]
}

# Convert the policy from JSON dict to string
model_package_group_policy = json.dumps(model_package_group_policy)

# Set the policy to the Model Group
response = sm_client.put_model_package_group_policy(
    ModelPackageGroupName = model_package_group_name,
    ResourcePolicy = model_package_group_policy)

print('ModelPackageGroupArn : {}'.format(create_model_package_group_response['ModelPackageGroupArn']))
print("First Versioned ModelPackageArn: " + model_package_arn)
print("Second Versioned ModelPackageArn: " + model_package_arn2)

print("Success! You are all set to proceed for cross-account deployment.")