Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Modellkarte FAQs
In den folgenden FAQ Artikeln finden Sie Antworten auf häufig gestellte Fragen zu Amazon SageMaker Model Card.
A: Sie können Modelle für eine Vielzahl von Geschäftsanwendungen verwenden, von der Vorhersage von Cyberangriffen über die Genehmigung von Kreditanträgen bis hin zur Erkennung der Kategorie einer E-Mail. Jede dieser Anwendungen geht von einem unterschiedlichen Risikoniveau aus. Beispielsweise hat die falsche Erkennung eines Cyberangriffs viel größere Auswirkungen auf das Geschäft als die falsche Kategorisierung einer E-Mail. Angesichts dieser unterschiedlichen Risikoprofile eines Modells können Sie mithilfe von Modellkarten eine Risikobewertung von low, medium oder high für ein Modell vornehmen. Wenn Sie das Risiko Ihres Modells nicht kennen, können Sie den Status auf unknownfestlegen. Die Kunden sind dafür verantwortlich, das Risikoprofil für jedes Modell zuzuweisen. Je nach Risikoeinstufung gelten in Unternehmen möglicherweise unterschiedliche Regeln für den Einsatz dieser Modelle in der Produktion. Weitere Informationen finden Sie unter Risikoeinstufungen.
Der Verwendungszweck eines Modells beschreibt, wie Sie das Modell in Ihren Produktionsanwendungen verwenden sollten. Dies geht über technische Anforderungen wie die Art der Instance hinaus, für die Sie ein Modell bereitstellen sollten, und bezieht sich stattdessen auf die Arten von Anwendungen, die mit dem Modell erstellt werden sollen, auf die Szenarien, in denen Sie vom Modell eine angemessene Leistung erwarten können, oder auf die Art der Daten, die mit dem Modell verwendet werden sollen. Wir empfehlen, diese Informationen auf der Modellkarte anzugeben, um die Modellverwaltung zu verbessern. Sie können im Feld für den Verwendungszweck eine Art Modellspezifikation definieren und sicherstellen, dass Modellentwickler und Anwender diese Spezifikation bei der Training und Bereitstellung ihrer Modelle einhalten. Weitere Informationen finden Sie unter Verwendungszwecke eines Modells.
Wenn Sie SageMaker Python verwenden SDK oder AWS Die Konsole zur Erstellung Ihrer Modellkarte fügt SageMaker automatisch Details zu Ihrem SageMaker trainierten Modell in die Karte ein. Dazu gehören Details darüber, wie das Modell trainiert wurde, sowie alle Modelldetails, die beim Anruf zurückgegeben wurden. describe-model API
Amazon SageMaker Model Cards haben eine definierte Struktur, die nicht geändert werden kann. Diese Struktur gibt Ihnen Hinweise dazu, welche Informationen auf einer Modellkarte erfasst werden sollten. Sie können die Struktur der Modellkarte zwar nicht ändern, doch bieten benutzerdefinierte Eigenschaften im Abschnitt Zusätzliche Informationen der Modellkarte eine gewisse Flexibilität.
Mit Modellkarten sind Versionen verknüpft. Eine bestimmte Modellversion ist für alle Attribute mit Ausnahme des Status der Modellkarte unveränderlich. Wenn Sie weitere Änderungen an der Modellkarte vornehmen, wie z. B. Bewertungskennzahlen, Beschreibung oder Verwendungszweck, SageMaker wird eine neue Version der Modellkarte erstellt, um die aktualisierten Informationen wiederzugeben. Dadurch soll sichergestellt werden, dass eine einmal erstellte Modellkarte nicht manipuliert werden kann.
A: Ja. Sie können Modellkarten für Modelle erstellen SageMaker, in denen nicht trainiert wurde, aber es werden keine Informationen automatisch in die Karte eingetragen. Sie müssen alle Informationen angeben, die auf der Modellkarte für SageMaker Nicht-Modelle benötigt werden.
A: Ja. Sie können jede Version einer Modellkarte in eine Datei exportierenPDF, sie herunterladen und mit anderen teilen.
A: Nein. Sie können Modellkarten unabhängig von der Modellregistrierung verwenden.
A: Modellkarten sollen Organisationen die Möglichkeit bieten, so viele Details über ihr Modell zu dokumentieren, wie sie möchten, indem sie die vorgeschriebenen Anweisungen befolgen und ihre eigenen benutzerdefinierten Informationen angeben. SageMaker Sie können Modellkarten gleich zu Beginn des ML-Prozesses einführen und sie verwenden, um das Geschäftsproblem zu definieren, das das Modell lösen soll, sowie alle Überlegungen, über die Sie bei der Verwendung des Modells nachdenken sollten. Nachdem ein Modell trainiert wurde, können Sie die diesem Modell zugeordnete Modellkarte mit Informationen über das Modell und darüber, wie es trainiert wurde, auffüllen. Modellkarten sind Modellen zugeordnet und unveränderlich, sobald sie einem Modell zugeordnet wurden. Dadurch wird sichergestellt, dass die Modellkarte die einzige Informationsquelle für alle Informationen zu einem Modell ist, einschließlich der Art und Weise, wie das Modell trainiert wurde und wie es verwendet werden sollte.
Das Model Registry ist ein Katalog, in dem Metadaten zu Ihren Modellen gespeichert werden. Jeder Eintrag in der Modellregistrierung entspricht einer eindeutigen Modellversion. Diese Modellversion enthält Informationen über das Modell, z. B. wo die Modellartefakte in Amazon S3 gespeichert sind, welcher Container für die Bereitstellung des Modells benötigt wird und benutzerdefinierte Metadaten, die an das Modell angehängt werden sollten.
A: Modellkartenversionen und Modellversionen sind unterschiedliche Einheiten in. SageMaker Jedes Update einer Modellkarte führt zu einer neuen Version dieser Karte. Modellversionen entsprechen inkrementell trainierten Modellen, die in der Modellregistrierung registriert sind. Eine Modellkartenversion kann über das Modell-ID-Feld auf der Modellkarte mit einer bestimmten Modellversion in der Modellregistrierung verknüpft werden, dies ist jedoch nicht erforderlich.
A: Nein. Sie können die von SageMaker Model Monitor berechneten Leistungsmetriken auf die Modellkarte hochladen, indem Sie eine Metrikdatei auf Amazon S3 hochladen und diese mit der Karte verknüpfen, aber es gibt keine native Integration zwischen Model Monitor und Modellkarten. Modell-Dashboards sind in Model Monitor integriert. Weitere Informationen zu Modell-Dashboards finden Sie unter Amazon SageMaker Model Dashboard.
