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。
建立模型群組
模型群組包含一組已進行版本控制的模型。使用 AWS SDK for Python (Boto3) 或 Amazon SageMaker 工作室主控台建立模型群組。
建立模型群組 (Boto3)
重要
允許 Amazon SageMaker 工作室或 Amazon 工作 SageMaker 室經典版建立 Amazon SageMaker 資源的自訂IAM政策還必須授予許可,才能將標籤新增到這些資源。需要向資源添加標籤的權限,因為 Studio 和 Studio 經典版會自動標記它們創建的任何資源。如果IAM原則允許 Studio 和 Studio 典型版建立資源,但不允許標記,則在嘗試建立資源時可能會發生 AccessDenied "" 錯誤。如需詳細資訊,請參閱提供標記資 SageMaker源的權限。
AWS Amazon 的受管政策 SageMaker授予建立 SageMaker 資源的權限,已包含在建立這些資源時新增標籤的權限。
若要使用 Boto3 建立模型群組,請呼叫create_model_package_group
API作業並指定名稱和描述作為參數。下列範例展示如何建立模型群組。create_model_package_group
呼叫的回應是新模型群組的 Amazon 資源名稱 (ARN)。
首先,導入所需的軟件包並設置 SageMaker Boto3 客戶端。
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)
現在建立模型群組。
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']))
建立模型群組 (工作室或工作室經典版)
若要在 Amazon SageMaker Studio 主控台中建立模型群組,請根據您使用的是工作室還是工作室傳統版完成以下步驟。