使用 SageMaker提供的專案範本

程式碼儲存庫： AWS CodeCommit 或第三方 Git 儲存庫，例如 GitHub 和 Bitbucket

CI/CD 工作流程自動化： AWS CodePipeline 或 Jenkins

管道階段：模型建置和訓練、模型部署或兩者兼有

如果要使用範本 MLOps 模型建置、訓練和部署的範本，請參閱逐步解說 SageMaker MLOps專案。

如果要使用範本 MLOps 使用 與第三方 Git 儲存庫建立模型、訓練和部署的範本 CodePipeline，請參閱使用第三方 Git Repos 的 Walk Though a SageMaker MLOps Project。

如果您想要使用範本 MLOps 使用 Jenkins 與第三方 Git 儲存庫建立模型、訓練和部署的範本，請參閱使用第三方來源控制建立 Amazon SageMaker 專案和 Jenkins 。

程式碼儲存庫： AWS CodeCommit

CI/CD 工作流程自動化： AWS CodePipeline

資料品質 - 監控資料品質的漂移。

模型品質 - 監控模型品質指標中的漂移，例如準確性。

生產中模型的偏差偏離 - 監控模型預測中的偏差。

程式碼儲存庫： AWS CodeCommit

CI/CD 工作流程自動化： AWS CodePipeline

包含範例 Python 程式碼的 AWS CodeCommit 儲存庫，可從 SageMaker 模型登錄檔取得監視器使用的基準，並更新範本的預備和生產環境參數。它還包含用於建立 Amazon SageMaker Model Monitors 的 AWS CloudFormation 範本。

具有來源、建置和部署步驟的 AWS CodePipeline 管道。來源步驟指向 CodePipeline 儲存庫。建置步驟會從該儲存庫取得程式碼、從模型註冊表取得基準，並更新暫存和生產環境的範本參數。部署步驟會將設定的監視器部署到暫存和生產環境中。在DeployStaging階段內的手動核准步驟要求您先驗證生產 SageMaker 端點是否在核准並移至DeployProd階段InService之前。

範本使用MLOps範本建立模型、訓練和部署時建立的相同 S3 儲存貯體，以存放監視器的輸出。

每次更新預備 SageMaker 端點或將程式碼變更遞交至 CodePipeline儲存庫 AWS CodePipeline 時，兩個 Amazon EventBridge 事件規則都會啟動 Amazon SageMaker Model Monitor。

包括處理映像 - 建立管道

包括訓練映像 - 建立管道

包含推論映像 - 建置管道

Amazon ECR儲存庫

SageMaker映像

包含您可以自訂的 Dockerfile 的 CodeCommit 儲存庫

由儲存 CodePipeline 庫變更所 CodePipeline 啟動的

建置 Docker 映像並在 Amazon ECR儲存庫中註冊的 CodeBuild 專案

在排程 CodePipeline 上啟動 的 EventBridge 規則

代碼儲存庫：第三方 Git。建立從 AWS 您的帳戶到 GitHub 使用者或組織的 AWS CodeStar 連線。將含有索引鍵 sagemaker 和值 true 的標籤新增至此 AWS CodeStar 連線。

CI/CD 工作流程自動化： AWS CodePipeline

與一或多個客戶指定的 Git 儲存庫建立關聯。

具有來源 deploy-to-staging、建置和 deploy-to-production步驟的 AWS CodePipeline 管道。來源步驟指向第三方 Git 儲存庫，而建置步驟會從該儲存庫取得程式碼，並產生要部署的 CloudFormation 堆疊。 deploy-to-staging 和 deploy-to-production 步驟會將 CloudFormation堆疊部署到各自的環境。預備階段和生產建置步驟之間有一個手動核准步驟，因此MLOps工程師必須先核准模型，才能部署到生產環境。

將種子代碼資訊填入 Git 儲存庫的 AWS CodeBuild 專案。這需要 AWS CodeStar 從 AWS 您的帳戶連線到 Git 儲存庫主機上的 帳戶。

Amazon S3 儲存貯體，用於存放成品，包括 CodePipeline 和 CodeBuild成品，以及管道 SageMaker 執行所產生的任何成品。

代碼儲存庫：第三方 Git。建立從 AWS 您的帳戶到 GitHub 使用者或組織的 AWS CodeStar 連線。將含有鍵 sagemaker 和值 true 的標籤新增至此 AWS CodeStar 連線。

CI/CD 工作流程自動化：Jenkins

與一或多個客戶指定的 Git 儲存庫建立關聯。

種子程式碼可產生具有來源、建置、 deploy-to-staging和 deploy-to-production 步驟的 Jenkins 管道。來源步驟會指向客戶指定的 Git 儲存庫。建置步驟會從該儲存庫取得程式碼，並產生兩個 CloudFormation 堆疊。部署步驟會將 CloudFormation 堆疊部署到各自的環境。預備步驟與生產步驟之間有核准步驟。

將種子代碼資訊填入 Git 儲存庫的 AWS CodeBuild 專案。這需要 AWS CodeStar 從 AWS 您的帳戶連線到 Git 儲存庫主機上的 帳戶。

存放 SageMaker 專案和 SageMaker 管道成品的 Amazon S3 儲存貯體。

程式碼儲存庫： AWS CodeCommit

CI/CD 工作流程自動化： AWS CodePipeline

包含範例程式碼的 AWS CodeCommit 儲存庫，可在 Python 程式碼中建立 Amazon SageMaker 管道，並示範如何建立和更新管道。此儲存庫也有 Python Jupyter 筆記本，您可以在 Studio （或 Studio Classic） 中開啟和執行。

具有來源和建置步驟的 AWS CodePipeline 管道。來源步驟指向 CodeCommit 儲存庫。建置步驟會從儲存庫取得程式碼、建立和更新 SageMaker 管道、啟動管道執行，並等待管道執行完成。

Amazon S3 儲存貯體，用於存放成品，包括 CodePipeline 和 CodeBuild成品，以及管道 SageMaker 執行所產生的任何成品。

刪除角色並切換 Studio （或 Studio Classic） 設定

在IAM主控台中，將下列許可新增至 AmazonSageMakerServiceCatalogProductsUseRole：

{
      "Effect": "Allow",
      "Action": [
          "codestar-connections:UseConnection"
      ],
      "Resource": "arn:aws:codestar-connections:*:*:connection/*",
      "Condition": {
          "StringEqualsIgnoreCase": {
              "aws:ResourceTag/sagemaker": "true"
          }
      }
  },
  {
      "Effect": "Allow",
      "Action": [
          "s3:PutObjectAcl"
      ],
      "Resource": [
          "arn:aws:s3:::sagemaker-*"
      ]
  }