Die Details einer Modellversion anzeigen und aktualisieren - Amazon SageMaker
Die Details einer Modellversion (Boto3) anzeigen und aktualisierenDie Details einer Modellversion (Studio oder Studio Classic) anzeigen und aktualisieren

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.

Die Details einer Modellversion anzeigen und aktualisieren

Sie können Details einer bestimmten Modellversion entweder mit der AWS SDK for Python (Boto3) oder der Amazon SageMaker Studio-Konsole anzeigen und aktualisieren.

Wichtig

Amazon SageMaker integriert Model Cards in Model Registry. Ein in der Modellregistrierung registriertes Modellpaket enthält eine vereinfachte Modellkarte als Bestandteil des Modellpakets. Weitere Informationen finden Sie unter Modell, Paket, Modell, Kartenschema (Studio).

Die Details einer Modellversion (Boto3) anzeigen und aktualisieren

Führen Sie die folgenden Schritte aus, um die Details einer Modellversion mithilfe von Boto3 anzuzeigen.

  1. Rufen Sie den list_model_packages API-Vorgang auf, um die Modellversionen in einer Modellgruppe anzuzeigen.

    sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")

    Die Antwort ist eine Liste mit Zusammenfassungen von Modellpaketen. Sie können den Amazon-Ressourcennamen (ARN) der Modellversionen aus dieser Liste abrufen.

    {'ModelPackageSummaryList': [{'ModelPackageGroupName': 'AbaloneMPG-16039329888329896',
   'ModelPackageVersion': 1,
   'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1',
   'ModelPackageDescription': 'TestMe',
   'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
   'ModelPackageStatus': 'Completed',
   'ModelApprovalStatus': 'Approved'}],
 'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
  'HTTPStatusCode': 200,
  'HTTPHeaders': {'x-amzn-requestid': '12345678-abcd-1234-abcd-aabbccddeeff',
   'content-type': 'application/x-amz-json-1.1',
   'content-length': '349',
   'date': 'Mon, 23 Nov 2020 04:56:50 GMT'},
  'RetryAttempts': 0}}

  2. Rufen Sie describe_model_package auf, um die Details der Modellversion zu erfahren. Sie übergeben den ARN einer Modellversion, den Sie in der Ausgabe des Aufrufs an list_model_packages erhalten haben.

    sm_client.describe_model_package(ModelPackageName="arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1")

    Die Ausgabe dieses Aufrufs ist ein JSON-Objekt mit den Details zur Modellversion.

    {'ModelPackageGroupName': 'ModelGroup1',
 'ModelPackageVersion': 1,
 'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup/1',
 'ModelPackageDescription': 'Test Model',
 'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
 'InferenceSpecification': {'Containers': [{'Image': '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.0-1-cpu-py3',
    'ImageDigest': 'sha256:99fa602cff19aee33297a5926f8497ca7bcd2a391b7d600300204eef803bca66',
    'ModelDataUrl': 's3://sagemaker-us-east-2-123456789012/ModelGroup1/pipelines-0gdonccek7o9-AbaloneTrain-stmiylhtIR/output/model.tar.gz'}],
  'SupportedTransformInstanceTypes': ['ml.m5.xlarge'],
  'SupportedRealtimeInferenceInstanceTypes': ['ml.t2.medium', 'ml.m5.xlarge'],
  'SupportedContentTypes': ['text/csv'],
  'SupportedResponseMIMETypes': ['text/csv']},
 'ModelPackageStatus': 'Completed',
 'ModelPackageStatusDetails': {'ValidationStatuses': [],
  'ImageScanStatuses': []},
 'CertifyForMarketplace': False,
 'ModelApprovalStatus': 'PendingManualApproval',
 'LastModifiedTime': datetime.datetime(2020, 10, 29, 1, 28, 0, 438000, tzinfo=tzlocal()),
 'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
  'HTTPStatusCode': 200,
  'HTTPHeaders': {'x-amzn-requestid': '212345678-abcd-1234-abcd-aabbccddeeff',
   'content-type': 'application/x-amz-json-1.1',
   'content-length': '1038',
   'date': 'Mon, 23 Nov 2020 04:59:38 GMT'},
  'RetryAttempts': 0}}

Modell, Paket, Modell, Kartenschema (Studio)

Alle Informationen zur Modellversion sind auf der Modellkarte des Modellpakets zusammengefasst. Die Modellkarte eines Modellpakets ist eine spezielle Verwendung der Amazon SageMaker Model Card und ihr Schema ist vereinfacht. Das Modellkartenschema des Modellpakets wird in der folgenden erweiterbaren Dropdownliste angezeigt.

{
  "title": "SageMakerModelCardSchema",
  "description": "Schema of a model package’s model card.",
  "version": "0.1.0",
  "type": "object",
  "additionalProperties": false,
  "properties": {
    "model_overview": {
      "description": "Overview about the model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "model_creator": {
          "description": "Creator of model.",
          "type": "string",
          "maxLength": 1024
        },
        "model_artifact": {
          "description": "Location of the model artifact.",
          "type": "array",
          "maxContains": 15,
          "items": {
            "type": "string",
            "maxLength": 1024
          }
        }
      }
    },
    "intended_uses": {
      "description": "Intended usage of model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "purpose_of_model": {
          "description": "Reason the model was developed.",
          "type": "string",
          "maxLength": 2048
        },
        "intended_uses": {
          "description": "Intended use cases.",
          "type": "string",
          "maxLength": 2048
        },
        "factors_affecting_model_efficiency": {
          "type": "string",
          "maxLength": 2048
        },
        "risk_rating": {
          "description": "Risk rating for model card.",
          "$ref": "#/definitions/risk_rating"
        },
        "explanations_for_risk_rating": {
          "type": "string",
          "maxLength": 2048
        }
      }
    },
    "business_details": {
      "description": "Business details of model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "business_problem": {
          "description": "Business problem solved by the model.",
          "type": "string",
          "maxLength": 2048
        },
        "business_stakeholders": {
          "description": "Business stakeholders.",
          "type": "string",
          "maxLength": 2048
        },
        "line_of_business": {
          "type": "string",
          "maxLength": 2048
        }
      }
    },
    "training_details": {
      "description": "Overview about the training.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "objective_function": {
          "description": "The objective function for which the model is optimized.",
          "function": {
            "$ref": "#/definitions/objective_function"
          },
          "notes": {
            "type": "string",
            "maxLength": 1024
          }
        },
        "training_observations": {
          "type": "string",
          "maxLength": 1024
        },
        "training_job_details": {
          "type": "object",
          "additionalProperties": false,
          "properties": {
            "training_arn": {
              "description": "SageMaker Training job ARN.",
              "type": "string",
              "maxLength": 1024
            },
            "training_datasets": {
              "description": "Location of the model datasets.",
              "type": "array",
              "maxContains": 15,
              "items": {
                "type": "string",
                "maxLength": 1024
              }
            },
            "training_environment": {
              "type": "object",
              "additionalProperties": false,
              "properties": {
                "container_image": {
                  "description": "SageMaker training image URI.",
                  "type": "array",
                  "maxContains": 15,
                  "items": {
                    "type": "string",
                    "maxLength": 1024
                  }
                }
              }
            },
            "training_metrics": {
              "type": "array",
              "items": {
                "maxItems": 50,
                "$ref": "#/definitions/training_metric"
              }
            },
            "user_provided_training_metrics": {
              "type": "array",
              "items": {
                "maxItems": 50,
                "$ref": "#/definitions/training_metric"
              }
            },
            "hyper_parameters": {
              "type": "array",
              "items": {
                "maxItems": 100,
                "$ref": "#/definitions/training_hyper_parameter"
              }
            },
            "user_provided_hyper_parameters": {
              "type": "array",
              "items": {
                "maxItems": 100,
                "$ref": "#/definitions/training_hyper_parameter"
              }
            }
          }
        }
      }
    },
    "evaluation_details": {
      "type": "array",
      "default": [],
      "items": {
        "type": "object",
        "required": [
          "name"
        ],
        "additionalProperties": false,
        "properties": {
          "name": {
            "type": "string",
            "pattern": ".{1,63}"
          },
          "evaluation_observation": {
            "type": "string",
            "maxLength": 2096
          },
          "evaluation_job_arn": {
            "type": "string",
            "maxLength": 256
          },
          "datasets": {
            "type": "array",
            "items": {
              "type": "string",
              "maxLength": 1024
            },
            "maxItems": 10
          },
          "metadata": {
            "description": "Additional attributes associated with the evaluation results.",
            "type": "object",
            "additionalProperties": {
              "type": "string",
              "maxLength": 1024
            }
          },
          "metric_groups": {
            "type": "array",
            "default": [],
            "items": {
              "type": "object",
              "required": [
                "name",
                "metric_data"
              ],
              "properties": {
                "name": {
                  "type": "string",
                  "pattern": ".{1,63}"
                },
                "metric_data": {
                  "type": "array",
                  "items": {
                    "anyOf": [
                      {
                        "$ref": "#/definitions/simple_metric"
                      },
                      {
                        "$ref": "#/definitions/linear_graph_metric"
                      },
                      {
                        "$ref": "#/definitions/bar_chart_metric"
                      },
                      {
                        "$ref": "#/definitions/matrix_metric"
                      }
                    ]

                  }
                }
              }
            }
          }
        }
      }
    },
    "additional_information": {
      "additionalProperties": false,
      "type": "object",
      "properties": {
        "ethical_considerations": {
          "description": "Ethical considerations for model users.",
          "type": "string",
          "maxLength": 2048
        },
        "caveats_and_recommendations": {
          "description": "Caveats and recommendations for model users.",
          "type": "string",
          "maxLength": 2048
        },
        "custom_details": {
          "type": "object",
          "additionalProperties": {
            "$ref": "#/definitions/custom_property"
          }
        }
      }
    }
  },
  "definitions": {
    "source_algorithms": {
      "type": "array",
      "minContains": 1,
      "maxContains": 1,
      "items": {
        "type": "object",
        "additionalProperties": false,
        "required": [
          "algorithm_name"
        ],
        "properties": {
          "algorithm_name": {
            "description": "The name of the algorithm used to create the model package. The algorithm must be either an algorithm resource in your SageMaker account or an algorithm in AWS Marketplace that you are subscribed to.",
            "type": "string",
            "maxLength": 170
          },
          "model_data_url": {
            "description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
            "type": "string",
            "maxLength": 1024
          }
        }
      }
    },
    "inference_specification": {
      "type": "object",
      "additionalProperties": false,
      "required": [
        "containers"
      ],
      "properties": {
        "containers": {
          "description": "Contains inference related information used to create model package.",
          "type": "array",
          "minContains": 1,
          "maxContains": 15,
          "items": {
            "type": "object",
            "additionalProperties": false,
            "required": [
              "image"
            ],
            "properties": {
              "model_data_url": {
                "description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
                "type": "string",
                "maxLength": 1024
              },
              "image": {
                "description": "Inference environment path. The Amazon Elastic Container Registry (Amazon ECR) path where inference code is stored.",
                "type": "string",
                "maxLength": 255
              },
              "nearest_model_name": {
                "description": "The name of a pre-trained machine learning benchmarked by an Amazon SageMaker Inference Recommender model that matches your model.",
                "type": "string"
              }
            }
          }
        }
      }
    },
    "risk_rating": {
      "description": "Risk rating of model.",
      "type": "string",
      "enum": [
        "High",
        "Medium",
        "Low",
        "Unknown"
      ]
    },
    "custom_property": {
      "description": "Additional property.",
      "type": "string",
      "maxLength": 1024
    },
    "objective_function": {
      "description": "Objective function for which the training job is optimized.",
      "additionalProperties": false,
      "properties": {
        "function": {
          "type": "string",
          "enum": [
            "Maximize",
            "Minimize"
          ]
        },
        "facet": {
          "type": "string",
          "maxLength": 63
        },
        "condition": {
          "type": "string",
          "maxLength": 63
        }
      }
    },
    "training_metric": {
      "description": "Training metric data.",
      "type": "object",
      "required": [
        "name",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "value": {
          "type": "number"
        }
      }
    },
    "training_hyper_parameter": {
      "description": "Training hyperparameter.",
      "type": "object",
      "required": [
        "name",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "value": {
          "type": "string",
          "pattern": ".{1,255}"
        }
      }
    },
    "linear_graph_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "linear_graph"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "array",
                "items": {
                  "type": "number"
                },
                "minItems": 2,
                "maxItems": 2
              },
              "minItems": 1
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "bar_chart_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "bar_chart"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "number"
              },
              "minItems": 1
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "matrix_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "matrix"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "array",
                "items": {
                  "type": "number"
                },
                "minItems": 1,
                "maxItems": 20
              },
              "minItems": 1,
              "maxItems": 20
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        }
      }
    },
    "simple_metric": {
      "description": "Metric data.",
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "number",
            "string",
            "boolean"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "number"
            },
            {
              "type": "string",
              "maxLength": 63
            },
            {
              "type": "boolean"
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "axis_name_array": {
      "type": "array",
      "items": {
        "type": "string",
        "maxLength": 63
      }
    },
    "axis_name_string": {
      "type": "string",
      "maxLength": 63
    }
  }
}

Die Details einer Modellversion (Studio oder Studio Classic) anzeigen und aktualisieren

Um die Details einer Modellversion anzuzeigen und zu aktualisieren, führen Sie die folgenden Schritte aus, je nachdem, ob Sie Studio oder Studio Classic verwenden. In Studio Classic können Sie den Genehmigungsstatus für eine Modellversion aktualisieren. Details hierzu finden Sie unter Aktualisieren des Genehmigungsstatus eines Modells. In Studio hingegen SageMaker wird eine Modellkarte für ein Modellpaket erstellt, und die Benutzeroberfläche der Modellversion bietet Optionen zum Aktualisieren von Details auf der Modellkarte.

Studio

  1. Öffnen Sie die SageMaker Studio-Konsole, indem Sie den Anweisungen unter Amazon SageMaker Studio starten folgen.

  2. Wählen Sie im linken Navigationsbereich im Menü Modelle aus.

  3. Wählen Sie die Registerkarte Registrierte Modelle, falls diese noch nicht ausgewählt ist.

  4. Wählen Sie direkt unter der Registerkarte Registrierte Modelle die Option Modellgruppen aus, sofern diese Option nicht bereits ausgewählt ist.

  5. Wählen Sie den Namen der Modellgruppe aus, die die anzuzeigende Modellversion enthält.

  6. Wählen Sie in der Liste der Modellversionen die Modellversion aus, die Sie anzeigen möchten.

  7. Wählen Sie eine der folgenden Registerkarten.

    • Schulung: Zum Anzeigen oder Bearbeiten von Details zu Ihrem Schulungsjob, einschließlich Leistungskennzahlen, Artefakten, IAM-Rolle und Verschlüsselung sowie Containern. Weitere Informationen finden Sie unter Informationen zum Ausbildungsberuf (Studio).

    • Evaluieren: Zum Anzeigen oder Bearbeiten von Details zu Ihrem Schulungsjob, z. B. Leistungskennzahlen, Bewertungsdatensätze und Sicherheit. Weitere Informationen finden Sie unter Informationen zum Bewertungsjob (Studio).

    • Prüfung: Zum Anzeigen oder Bearbeiten allgemeiner Details in Bezug auf den Geschäftszweck, die Nutzung, das Risiko und technische Details wie Algorithmus und Leistungseinschränkungen des Modells. Weitere Informationen finden Sie unter Informationen zur Prüfung (Verwaltung) (Studio).

    • Bereitstellen: Um den Speicherort Ihres Inferenz-Image-Containers und der Instanzen, aus denen der Endpunkt besteht, anzuzeigen oder zu bearbeiten. Weitere Informationen finden Sie unter Informationen zur Bereitstellung (Studio).

Studio Classic

  1. Melden Sie sich bei Amazon SageMaker Studio Classic an. Weitere Informationen finden Sie unter Amazon SageMaker Studio Classic starten.

  2. Wählen Sie im linken Navigationsbereich das Symbol Home ( ).

  3. Wählen Sie Modelle und dann Modellverzeichnis.

  4. Wählen Sie aus der Liste der Modellgruppen den Namen der Modellgruppe aus, die Sie anzeigen möchten.

  5. Eine neue Registerkarte mit einer Liste der Modellversionen in der Modellgruppe wird angezeigt.

  6. Wählen Sie in der Liste der Modellversionen den Namen der Modellversion aus, für die Sie Details anzeigen möchten.

  7. Wählen Sie auf der sich öffnenden Registerkarte Modellversion eine der folgenden Optionen aus, um Details zur Modellversion anzuzeigen:

    • Aktivität: Zeigt Ereignisse für die Modellversion an, z. B. Aktualisierungen des Genehmigungsstatus.

    • Modellqualität: Meldet Metriken im Zusammenhang mit Ihren Model Monitor-Modellqualitätsprüfungen, bei denen Modellvorhersagen mit Ground Truth verglichen werden. Weitere Informationen zu den Qualitätsprüfungen von Model Monitor-Modellen finden Sie unter Überwachen der Modellqualität.

    • Erklärbarkeit: Meldet Metriken im Zusammenhang mit Ihren Model Monitor-Funktionszuordnungsprüfungen, mit denen die relative Rangfolge Ihrer Merkmale in Trainingsdaten mit Live-Daten verglichen wird. Weitere Informationen zu Model Monitor-Erläuterungsprüfungen finden Sie unter Überwachen Sie die Abweichung bei der Featureszuweisung für Modelle in der Produktion.

    • Bias: Meldet Metriken im Zusammenhang mit Ihren Model Monitor Bias-Drift-Prüfungen, bei denen die Verteilung von Live-Daten mit Trainingsdaten verglichen wird. Weitere Informationen zu Bias-Drift-Prüfungen in Model Monitor finden Sie unter Überwachen Sie Verzerrungen bei Modellen in der Produktion.

    • Empfehlung für Inferenzen: Bietet Empfehlungen für erste Instances für eine optimale Leistung auf der Grundlage Ihres Modells und Ihrer Beispiel-Payloads.

    • Auslastungstest: Führt Lasttests für die Instance-Typen Ihrer Wahl durch, wenn Sie Ihre spezifischen Produktionsanforderungen wie Latenz- und Durchsatzbeschränkungen angeben.

    • Inferenzspezifikation: Zeigt Instance-Typen für Ihre Inferenz- und Transformationsaufträge in Echtzeit sowie Informationen zu Ihren Amazon ECR-Containern an.

    • Informationen: Zeigt Informationen wie das Projekt, mit dem die Modellversion verknüpft ist, die Pipeline, die das Modell generiert hat, die Modellgruppe und den Speicherort des Modells in Amazon S3 an.

Informationen zum Ausbildungsberuf (Studio)

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Nutzung des aktualisierten Studio-Erlebnisses. Informationen zur Verwendung der Studio Classic-Anwendung finden Sie unterAmazon SageMaker Studio Klassisch.

Sie können Ihrem Modell einen Trainingsjob hinzufügen, der extern oder mit SageMaker diesem erstellt wurde. Wenn Sie einen SageMaker Ausbildungsjob hinzufügen, werden die Felder für alle Unterseiten auf der Registerkarte Trainieren automatisch SageMaker ausgefüllt. Wenn Sie eine extern erstellte Ausbildungsstelle hinzufügen, müssen Sie Details zu Ihrer Ausbildungsstelle manuell hinzufügen. Gehen Sie wie in diesem Abschnitt beschrieben vor, um Informationen zu dem von Ihnen hinzugefügten Ausbildungsberuf hinzuzufügen, zu entfernen, anzuzeigen oder zu aktualisieren.

Gehen Sie wie folgt vor, um Ihrem Modellpaket einen Ausbildungsjob hinzuzufügen.

  1. Wählen Sie die Registerkarte „Zug“.

  2. Wählen Sie Hinzufügen aus. Wenn diese Option nicht angezeigt wird, ist Ihnen möglicherweise bereits eine Ausbildungsstelle zugeordnet. Wenn Sie diesen Schulungsjob entfernen möchten, gehen Sie wie folgt vor, um einen Schulungsjob zu entfernen.

  3. Sie können einen Schulungsjob hinzufügen, den Sie in erstellt haben, SageMaker oder einen Schulungsjob, den Sie extern erstellt haben.

    1. Gehen Sie wie folgt vor, um einen Schulungsjob hinzuzufügen SageMaker, den Sie in erstellt haben.

      1. Wählen Sie SageMaker.

      2. Wählen Sie das Optionsfeld neben dem Schulungsjob aus, den Sie hinzufügen möchten.

      3. Wählen Sie Hinzufügen aus.

    2. Gehen Sie wie folgt vor, um einen Trainingsjob hinzuzufügen, den Sie extern erstellt haben.

      1. Wählen Sie Custom (Benutzerdefiniert) aus.

      2. Geben Sie im Feld Name den Namen Ihres benutzerdefinierten Schulungsjobs ein.

      3. Wählen Sie Hinzufügen aus.

Gehen Sie wie folgt vor, um einen Schulungsjob aus Ihrem Modellpaket zu entfernen.

  1. Wählen Sie „Zug“.

  2. Wählen Sie auf der Registerkarte „Zug“ das Zahnradsymbol ( ).

  3. Wähle neben deinem Trainingsjob die Option Entfernen aus.

  4. Wähle Ja, ich möchte entfernen<name of your training job>.

  5. Wählen Sie Erledigt aus.

Gehen Sie wie folgt vor, um Details zum Ausbildungsjob zu aktualisieren (und einzusehen):

  1. Sehen Sie sich auf der Registerkarte „Schulung“ den Status des Schulungsjobs an. Der Status gibt an, Complete ob Sie Ihrem Modellpaket einen Schulungsjob hinzugefügt haben und Undefined falls nicht.

  2. Um Details zu Ihrem Trainingsjob wie Leistung, Hyperparameter und identifizierende Details einzusehen, wählen Sie die Registerkarte Trainieren.

  3. Gehen Sie wie folgt vor, um Details zur Modellleistung zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste des Tabs „Zug“ die Option „Leistung“.

    2. Sieh dir Metriken an, die sich auf deinen Trainingsjob beziehen. Auf der Seite „Leistung“ werden die Kennzahlen nach Name und Wert sowie alle Anmerkungen aufgeführt, die Sie zu der Metrik hinzugefügt haben.

    3. (Optional) Gehen Sie wie folgt vor, um Anmerkungen zu vorhandenen Metriken hinzuzufügen.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. Fügen Sie Anmerkungen zu einer der aufgelisteten Metriken hinzu.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

    4. Sehen Sie sich benutzerdefinierte Kennzahlen zu Ihrem Ausbildungsjob an. Benutzerdefinierte Metriken sind ähnlich wie Kennzahlen formatiert.

    5. (Optional) Gehen Sie wie folgt vor, um benutzerdefinierte Metriken hinzuzufügen.

      1. Wählen Sie Hinzufügen aus.

      2. Geben Sie einen Namen, einen Wert und optionale Anmerkungen für Ihre neue Metrik ein.

    6. (Optional) Um benutzerdefinierte Metriken zu entfernen, wählen Sie das Papierkorbsymbol neben der Metrik, die Sie entfernen möchten.

    7. Sieh dir im Textfeld „Beobachtungen“ alle Notizen an, die du im Zusammenhang mit der Leistung deines Trainingsjobs hinzugefügt hast.

    8. (Optional) Gehen Sie wie folgt vor, um Beobachtungen hinzuzufügen oder zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. Fügen Sie Ihre Notizen im Textfeld Beobachtungen hinzu oder aktualisieren Sie sie.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  4. Gehen Sie wie folgt vor, um Details zu Modellartefakten zu aktualisieren und anzuzeigen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte „Zug“ die Option „Artefakte“ aus.

    2. Sehen Sie sich im Feld Standort (S3-URI) den Amazon S3 S3-Standort Ihrer Trainingsdatensätze an.

    3. Sehen Sie sich im Feld Modelle den Namen und die Amazon S3 S3-Speicherorte von Modellartefakten aus anderen Modellen an, die Sie in den Schulungsjob aufgenommen haben.

    4. Gehen Sie wie folgt vor, um eines der Felder auf der Seite Artefakte zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse oben rechts auf der Modellversionsseite und wählen Sie Bearbeiten.

      2. Geben Sie neue Werte in eines der Felder ein.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  5. Gehen Sie wie folgt vor, um Details zu Hyperparametern zu aktualisieren und anzuzeigen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte „Zug“ die Option „Hyperparameter“.

    2. Sehen Sie sich die SageMaker bereitgestellten und die benutzerdefinierten definierten Hyperparameter an. Jeder Hyperparameter wird mit seinem Namen und Wert aufgeführt.

    3. Sehen Sie sich die benutzerdefinierten Hyperparameter an, die Sie hinzugefügt haben.

    4. (Optional) Gehen Sie wie folgt vor, um einen zusätzlichen benutzerdefinierten Hyperparameter hinzuzufügen.

      1. Wählen Sie oberhalb der oberen rechten Ecke der Tabelle Benutzerdefinierte Hyperparameter die Option Hinzufügen aus. Ein Paar neuer leerer Felder wird angezeigt.

      2. Geben Sie den Namen und den Wert des neuen benutzerdefinierten Hyperparameters ein. Diese Werte werden automatisch gespeichert.

    5. (Optional) Um einen benutzerdefinierten Hyperparameter zu entfernen, wählen Sie das Papierkorbsymbol rechts neben dem Hyperparameter.

  6. Gehen Sie wie folgt vor, um die Details zur Arbeitsumgebung des Schulungsauftrags zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste des Tabs „Trainieren“ die Option „Umgebung“.

    2. Sehen Sie sich die Amazon ECR-URI-Standorte für alle Schulungsjob-Container an, die von SageMaker (für einen SageMaker Schulungsjob) oder von Ihnen (für einen benutzerdefinierten Schulungsjob) hinzugefügt wurden.

    3. (Optional) Um einen zusätzlichen Schulungsjob-Container hinzuzufügen, wählen Sie Hinzufügen und geben Sie dann die URI des neuen Schulungs-Containers ein.

  7. Gehen Sie wie folgt vor, um den Namen des Schulungsjobs und die Amazon-Ressourcennamen (ARN) für den Schulungsjob zu aktualisieren und anzuzeigen.

    1. Wählen Sie in der linken Seitenleiste des Tabs „Zug“ die Option „Details“.

    2. Sehen Sie sich den Namen des Schulungsjobs und den ARN des Schulungsjobs an.

Informationen zum Bewertungsjob (Studio)

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Nutzung des aktualisierten Studio-Erlebnisses. Informationen zur Verwendung der Studio Classic-Anwendung finden Sie unterAmazon SageMaker Studio Klassisch.

Nachdem Sie Ihr Modell registriert haben, können Sie es mit einem oder mehreren Datensätzen testen, um seine Leistung zu beurteilen. Sie können einen oder mehrere Bewertungsaufträge aus Amazon S3 hinzufügen oder Ihren eigenen Bewertungsauftrag definieren, indem Sie alle Details manuell eingeben. Wenn Sie einen Job aus Amazon S3 hinzufügen, werden die Felder für alle Unterseiten auf der Registerkarte Evaluieren SageMaker vorab ausgefüllt. Wenn Sie Ihren eigenen Bewertungsjob definieren, müssen Sie Details zu Ihrem Bewertungsjob manuell hinzufügen.

Gehen Sie wie folgt vor, um Ihrem Modellpaket Ihren ersten Bewertungsjob hinzuzufügen.

  1. Wählen Sie die Registerkarte Evaluieren.

  2. Wählen Sie Hinzufügen aus.

  3. Sie können einen Bewertungsauftrag aus Amazon S3 oder einen benutzerdefinierten Bewertungsauftrag hinzufügen.

    1. Gehen Sie wie folgt vor, um einen Bewertungsauftrag mit Begleitmaterial von Amazon S3 hinzuzufügen.

      1. Wählen Sie S3.

      2. Geben Sie einen Namen für den Evaluierungsjob ein.

      3. Geben Sie den Amazon S3 S3-Standort für das Ausgabematerial Ihres Bewertungsauftrags ein.

      4. Wählen Sie Hinzufügen aus.

    2. Um einen benutzerdefinierten Bewertungsauftrag hinzuzufügen, führen Sie den folgenden Schritt aus:

      1. Wählen Sie Custom (Benutzerdefiniert) aus.

      2. Geben Sie einen Namen für den Bewertungsjob ein.

      3. Wählen Sie Hinzufügen aus.

Gehen Sie wie folgt vor, um Ihrem Modellpaket einen zusätzlichen Evaluierungsjob hinzuzufügen.

  1. Wählen Sie die Registerkarte Evaluieren.

  2. Wählen Sie auf der Registerkarte „Zug“ das Zahnradsymbol ( ).

  3. Wählen Sie im Dialogfeld „Hinzufügen“.

  4. Sie können einen Bewertungsauftrag aus Amazon S3 oder einen benutzerdefinierten Bewertungsauftrag hinzufügen.

    1. Gehen Sie wie folgt vor, um einen Bewertungsauftrag mit Begleitmaterial von Amazon S3 hinzuzufügen.

      1. Wählen Sie S3.

      2. Geben Sie einen Namen für den Evaluierungsjob ein.

      3. Geben Sie den Amazon S3 S3-Standort für das Ausgabematerial Ihres Bewertungsauftrags ein.

      4. Wählen Sie Hinzufügen aus.

    2. Um einen benutzerdefinierten Bewertungsauftrag hinzuzufügen, führen Sie den folgenden Schritt aus:

      1. Wählen Sie Custom (Benutzerdefiniert) aus.

      2. Geben Sie einen Namen für den Bewertungsjob ein.

      3. Wählen Sie Hinzufügen aus.

Gehen Sie wie folgt vor, um einen Evaluierungsjob aus Ihrem Modellpaket zu entfernen.

  1. Wählen Sie die Registerkarte Evaluieren.

  2. Wählen Sie auf der Registerkarte „Zug“ das Zahnradsymbol ( ).

  3. (Optional) Um Ihren Bewertungsjob in der Liste zu finden, geben Sie einen Suchbegriff in das Suchfeld ein, um die Auswahlliste einzugrenzen.

  4. Wählen Sie das Optionsfeld neben Ihrem Bewertungsjob aus.

  5. Wählen Sie Remove (Entfernen) aus.

  6. Wählen Sie Ja, ich möchte löschen<name of your evaluation job>.

  7. Wählen Sie Erledigt aus.

Gehen Sie wie folgt vor, um Details zum Bewertungsjob zu aktualisieren (und anzusehen):

  1. Sehen Sie sich auf der Registerkarte Evaluieren den Status des Evaluierungsjobs an. Der Status gibt anComplete, ob Sie Ihrem Modellpaket einen Evaluierungsjob hinzugefügt haben und Undefined falls nicht.

  2. Um Details zu Ihrem Evaluierungsjob, wie Leistung und Position der Artefakte, einzusehen, wählen Sie die Registerkarte Evaluieren.

  3. Gehen Sie wie folgt vor, um Details zur Modellleistung während der Evaluierung zu aktualisieren und anzuzeigen.

    1. Wählen Sie in der Seitenleiste der Registerkarte Evaluieren die Option Leistung aus.

    2. Sehen Sie sich in der Metrikenliste Kennzahlen an, die sich auf Ihre Bewertungsaufgabe beziehen. In der Metrikenliste werden die einzelnen Metriken nach Namen, Wert und allen Anmerkungen angezeigt, die Sie zu der Metrik hinzugefügt haben.

    3. Sehen Sie sich im Textfeld Beobachtungen alle Notizen an, die Sie zur Leistung Ihrer Bewertungsaufgabe hinzugefügt haben.

    4. Gehen Sie wie folgt vor, um eines der Notizfelder für eine Metrik oder das Feld Beobachtungen zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse oben rechts auf der Seite mit der Modellversion aus und klicken Sie auf Bearbeiten.

      2. Geben Sie Anmerkungen für eine beliebige Metrik oder in das Textfeld Beobachtungen ein.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  4. Gehen Sie wie folgt vor, um Details zu Ihren Bewertungs-Job-Datensätzen zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste der Seite „Evaluieren“ die Option „Artefakte“.

    2. Sehen Sie sich die Datensätze an, die in Ihrem Bewertungsjob verwendet wurden.

    3. (Optional) Um einen Datensatz hinzuzufügen, wählen Sie Hinzufügen und geben Sie eine Amazon S3 S3-URI für den Datensatz ein.

    4. (Optional) Um einen Datensatz zu entfernen, wählen Sie das Papierkorbsymbol neben dem Datensatz, den Sie entfernen möchten.

  5. Um den Jobnamen und den ARN des Evaluierungsjobs anzuzeigen, wählen Sie Details.

Informationen zur Prüfung (Verwaltung) (Studio)

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Nutzung des aktualisierten Studio-Erlebnisses. Informationen zur Verwendung der Studio Classic-Anwendung finden Sie unterAmazon SageMaker Studio Klassisch.

Dokumentieren Sie wichtige Modelldetails, um Ihrem Unternehmen dabei zu helfen, ein solides Framework für Modell-Governance zu etablieren. Sie und Ihre Teammitglieder können auf diese Details zurückgreifen, sodass sie das Modell für die entsprechenden Anwendungsfälle verwenden, den Geschäftsbereich und die Eigentümer des Modells kennen und die Modellrisiken verstehen. Sie können auch Details zur erwarteten Leistung des Modells und zu den Gründen für Leistungseinschränkungen speichern.

Gehen Sie wie folgt vor, um Details zur Modell-Governance anzuzeigen oder zu aktualisieren.

  1. Sehen Sie sich auf der Registerkarte Audit den Genehmigungsstatus der Modellkarte an. Der Status kann einer der folgenden sein:

    • Entwurf: Die Modellkarte ist immer noch ein Entwurf.

    • Genehmigung ausstehend: Die Modellkarte wartet auf ihre Genehmigung.

    • Genehmigt: Die Modellkarte wurde genehmigt.

  2. Um den Genehmigungsstatus der Modellkarte zu aktualisieren, wählen Sie das Pulldown-Menü neben dem Genehmigungsstatus und wählen Sie den aktualisierten Genehmigungsstatus aus.

  3. Gehen Sie wie folgt vor, um Details zum Risiko Ihres Modellpakets zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte Audit die Option Risiko aus.

    2. Sehen Sie sich die aktuelle Risikobewertung und die Erläuterung der Risikoeinstufung an.

    3. Gehen Sie wie folgt vor, um die Bewertung oder Erklärung zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Audit-Seite und wählen Sie Bearbeiten.

      2. (Optional) Wählen Sie eine aktualisierte Risikoeinstufung.

      3. (Optional) Aktualisieren Sie die Erläuterung der Risikoeinstufung.

      4. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  4. Gehen Sie wie folgt vor, um Details zur Nutzung Ihres Modellpakets zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte Audit die Option Verwendung aus.

    2. Sehen Sie sich den Text an, den Sie in den folgenden Feldern hinzugefügt haben:

      • Problemtyp: Die Kategorie des Algorithmus für maschinelles Lernen, der zur Erstellung Ihres Modells verwendet wurde.

      • Algorithmustyp: Der spezifische Algorithmus, der zur Erstellung Ihres Modells verwendet wurde.

      • Verwendungszwecke: Die aktuelle Anwendung des Modells in Ihrem Geschäftsproblem.

      • Faktoren, die die Wirksamkeit des Modells beeinflussen: Hinweise zu den Leistungseinschränkungen Ihres Modells.

      • Empfohlene Verwendung: Die Arten von Anwendungen, die Sie mit dem Modell erstellen können, die Szenarien, in denen Sie eine angemessene Leistung erwarten können, oder die Art der Daten, die mit dem Modell verwendet werden sollen.

      • Ethische Überlegungen: Eine Beschreibung, wie Ihr Modell aufgrund von Faktoren wie Alter oder Geschlecht diskriminieren könnte.

    3. Gehen Sie wie folgt vor, um eines der zuvor aufgelisteten Felder zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. (Optional) Verwenden Sie die Dropdownmenüs für Problemtyp und Algorithmustyp, um bei Bedarf neue Werte auszuwählen.

      3. (Optional) Aktualisieren Sie die Textbeschreibungen in den verbleibenden Feldern.

      4. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  5. Gehen Sie wie folgt vor, um Details zu den Beteiligten Ihres Modellpakets zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte Audit die Option Stakeholder aus.

    2. Sehen Sie sich den aktuellen Besitzer und Ersteller des Modells an, falls vorhanden.

    3. Gehen Sie wie folgt vor, um den Besitzer oder Ersteller des Modells zu aktualisieren:

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. Aktualisieren Sie die Felder Modellbesitzer oder Modellersteller.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  6. Gehen Sie wie folgt vor, um Details zu dem Geschäftsproblem, das mit Ihrem Modellpaket behoben wird, zu aktualisieren und einzusehen.

    1. Wählen Sie in der linken Seitenleiste der Registerkarte Audit die Option Business aus.

    2. Sehen Sie sich die aktuellen Beschreibungen, sofern vorhanden, für das Geschäftsproblem an, das mit dem Modell angegangen wird, für die am Geschäftsproblem Beteiligten und für den Geschäftsbereich.

    3. Gehen Sie wie folgt vor, um eines der Felder auf der Registerkarte Unternehmen zu aktualisieren.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. Aktualisieren Sie die Beschreibungen in einem der Felder.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

  7. Gehen Sie wie folgt vor, um die vorhandene Dokumentation (dargestellt als Schlüssel-Wert-Paare) für Ihr Modell zu aktualisieren und anzuzeigen.

    1. Wählen Sie in der linken Seitenleiste der Audit-Seite die Option Dokumentation aus.

    2. Sehen Sie sich bestehende Schlüssel-Wert-Paare an.

    3. Gehen Sie wie folgt vor, um Schlüssel-Wert-Paare hinzuzufügen.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten aus.

      2. Wählen Sie Hinzufügen aus.

      3. Geben Sie einen neuen Schlüssel und den zugehörigen Wert ein.

      4. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

    4. Gehen Sie wie folgt vor, um alle Schlüssel-Wert-Paare zu entfernen.

      1. Wählen Sie die vertikale Ellipse in der oberen rechten Ecke der Modellversionsseite und wählen Sie Bearbeiten.

      2. Wählen Sie das Papierkorbsymbol neben dem Schlüssel-Wert-Paar, das Sie entfernen möchten.

      3. Wählen Sie oben auf der Seite mit der Modellversion die Option In der Bearbeitungsmodellversion speichern... Banner.

Informationen zur Bereitstellung (Studio)

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Nutzung des aktualisierten Studio-Erlebnisses. Informationen zur Verwendung der Studio Classic-Anwendung finden Sie unterAmazon SageMaker Studio Klassisch.

Nachdem Sie die Leistung Ihres Modells bewertet und festgestellt haben, dass es für Produktionsworkloads einsatzbereit ist, können Sie den Genehmigungsstatus des Modells ändern, um die CI/CD-Bereitstellung zu starten. Weitere Informationen zu Definitionen des Genehmigungsstatus finden Sie unter. Aktualisieren des Genehmigungsstatus eines Modells

Gehen Sie wie folgt vor, um Details zur Bereitstellung des Modellpakets anzuzeigen oder zu aktualisieren.

  1. Sehen Sie sich auf der Registerkarte Bereitstellen den Genehmigungsstatus des Modellpakets an. Mögliche Werte können die folgenden sein:

    • Ausstehende Genehmigung: Das Modell ist registriert, aber noch nicht für die Bereitstellung genehmigt oder abgelehnt.

    • Genehmigt: Das Modell ist für den CI/CD-Einsatz zugelassen. Wenn es eine EventBridge Regel gibt, die die Modellbereitstellung nach einer Modellgenehmigung einleitet, wie dies bei einem Modell der Fall ist, das anhand einer SageMaker Projektvorlage erstellt wurde, wird das Modell SageMaker ebenfalls bereitgestellt.

    • Abgelehnt: Das Modell wurde für die Bereitstellung abgelehnt.

    Wenn Sie den Genehmigungsstatus ändern müssen, wählen Sie das Dropdownmenü neben dem Status und wählen Sie den aktualisierten Status aus.

  2. Um den Genehmigungsstatus des Modellpakets zu aktualisieren, wählen Sie das Drop-down-Menü neben dem Genehmigungsstatus und wählen Sie den aktualisierten Genehmigungsstatus aus.

  3. Sehen Sie sich in der Containerliste die Container für das Inferenzbild an.

  4. Sehen Sie sich in der Instanzenliste die Instanzen an, aus denen Ihr Bereitstellungsendpunkt besteht.