使用 SageMaker提供的專案範本

代碼存儲庫： AWS CodeCommit 或第三方 Git 存儲庫，如 GitHub 和比特桶

CI/CD 工作流程自動化： AWS CodePipeline 或詹金斯

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模型建立、訓練和部署的範本，請參閱SageMaker MLOps專案演練。

如果要使用範本 MLOps使用第三方 Git 儲存庫進行模型建置、訓練和部署的範本 CodePipeline，請參閱SageMaker MLOps使用協力廠商 Git 存放庫的專案逐步。

如果您想要使用範本MLOps使用 Jenkins 使用第三方 Git 儲存庫進行模型建置、訓練和部署的範本，請參閱使用第三方原始檔控制建立 Amazon SageMaker 專案和 Jenkins。

代碼存儲庫： 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。

代碼存儲庫： AWS CodeCommit

CI/CD 工作流程自動化： AWS CodePipeline

包含範例 Python 程式碼的 AWS CodeCommit 存放庫，可從 SageMaker 模型登錄取得監視器使用的基準，並更新測試和生產環境的範本參數。它還包含用於創建 Amazon SageMaker 模型監視器的模 AWS CloudFormation 板。

具有來源、建置和部署步驟的 AWS CodePipeline 管線。來源步驟會指向 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。階段中的手動核准步驟會要求您在核准並移至DeployStaging階段InService之前，先確認生產 SageMaker 端點是否處於狀DeployProd態。

範本使用範本建立、訓練和部署的相同 S3 儲存貯體來儲存監視器的輸出。MLOps

每次更新暫存 SageMaker 端點或將程式碼變更提交至 CodePipeline儲存庫時， AWS CodePipeline 都會啟動兩個 Amazon EventBridge 事件規則會啟動 Amazon SageMaker 模型監視器。

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 存儲庫

一個 SageMaker圖像

包含您可以自定義的 Docker 文件的 CodeCommit 存儲庫

由 CodePipeline CodePipeline 儲存庫變更所啟動的

一個構 CodeBuild 建 Docker 映像並將其註冊到 Amazon ECR 存儲庫中的項目

根據 EventBridge 排程起始 CodePipeline 的規則

代碼儲存庫：第三方 Git。建立從您的 AWS 帳戶到您的 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、組建和 deploy-to-production 步驟的 AWS CodePipeline 管線。 deploy-to-staging原始碼步驟會指向協力廠商 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。測試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，才能將模型部署到生產環境。

將種子程式碼資訊填入 Git 儲存庫的 AWS CodeBuild 專案。這需要從您的 AWS 帳戶 AWS CodeStar 連接到 Git 存儲庫主機上的帳戶。

用於存放成品 (包括 CodePipeline 和 CodeBuild成品) 的 Amazon S3 儲存貯體，以及從 SageMaker 管道產生的任何成品執行。

代碼儲存庫：第三方 Git。建立從您的 AWS 帳戶到您的 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，以產生具有原始碼、建置和 deploy-to-production 步驟的 Jenkins 管線。 deploy-to-staging來源步驟會指向客戶指定的 Git 儲存庫。構建步驟從該存儲庫獲取代碼並生成兩個 CloudFormation 堆棧。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。

將種子程式碼資訊填入 Git 儲存庫的 AWS CodeBuild 專案。這需要從您的 AWS 帳戶 AWS CodeStar 連接到 Git 存儲庫主機上的帳戶。

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

代碼存儲庫： AWS CodeCommit

CI/CD 工作流程自動化： AWS CodePipeline

包含使用 Python 程式碼建立 Amazon SageMaker 管道的範例程式碼的 AWS CodeCommit 儲存庫，並顯示如何建立和更新管道。此存儲庫還有一個 Python Jupyter 筆記本，您可以在工作室（或工作室經典）中打開和運行。

具有來源和建置步驟的 AWS CodePipeline 管線。來源步驟會指向 CodeCommit 儲存庫。構建步驟從存儲庫獲取代碼，創建和更新 SageMaker 管道，啟動管道運行，並等待管道運行完成。

用於存放成品 (包括 CodePipeline 和 CodeBuild成品) 的 Amazon S3 儲存貯體，以及從 SageMaker 管道產生的任何成品執行。

刪除角色並切換工作室（或工作室經典）設置

在IAM主控台中，將下列權限新增至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-*"
      ]
  }