Vea y actualice los detalles de una versión de modelo

Puede ver y actualizar los detalles de una versión de modelo específica mediante la consola AWS SDK for Python (Boto3) o la de Amazon SageMaker Studio.

importante

Amazon SageMaker integra Model Cards en Model Registry. Un paquete modelo registrado en el registro de modelos incluye una tarjeta modelo simplificada como componente del paquete modelo. Para obtener más información, consulte Esquema de tarjeta modelo de paquete modelo (Studio).

Vea y actualice los detalles de una versión del modelo (Boto3)

Para ver los detalles de una versión del modelo mediante Boto3, complete los pasos siguientes.

1. Llame a la operación de la list_model_packages API para ver las versiones del modelo en un grupo de modelos.

   sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")

   La respuesta es una lista de resúmenes de paquetes de modelos. En esta lista, puede obtener el nombre de recurso de Amazon (ARN) de las versiones del modelo.

   {'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. Llame a describe_model_package para ver los detalles de la versión del modelo. Ingrese el ARN de una versión del modelo que obtuvo en el resultado de la llamada list_model_packages.

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

   El resultado de esta llamada es un objeto JSON con los detalles de la versión del modelo.

   {'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}}

Esquema de tarjeta modelo de paquete modelo (Studio)

Todos los detalles relacionados con la versión del modelo están encapsulados en la tarjeta de modelo del paquete modelo. La tarjeta modelo de un paquete modelo es un uso especial de la tarjeta SageMaker modelo de Amazon y su esquema está simplificado. El esquema de la tarjeta modelo del paquete modelo se muestra en el siguiente menú desplegable ampliable.

Esquema de tarjeta modelo de paquete modelo

{
  "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
    }
  }
}

Vea y actualice los detalles de una versión del modelo (Studio o Studio Classic)

Para ver y actualizar los detalles de una versión de modelo, complete los siguientes pasos en función de si utiliza Studio o Studio Classic. En Studio Classic, puede actualizar el estado de aprobación de una versión de modelo. Para obtener más detalles, consulte Actualizar el estado de aprobación de un modelo. En Studio, por otro lado, SageMaker crea una tarjeta de modelo para un paquete de modelos y la interfaz de usuario de la versión del modelo ofrece opciones para actualizar los detalles de la tarjeta de modelo.

Studio

1. Abre la consola de SageMaker Studio siguiendo las instrucciones de Launch Amazon SageMaker Studio.

2. En el panel de navegación izquierdo, selecciona Modelos en el menú.

3. Seleccione la pestaña Modelos registrados, si aún no la ha seleccionado.

4. Justo debajo de la etiqueta de la pestaña Modelos registrados, elija Grupos de modelos, si aún no lo ha seleccionado.

5. Seleccione el nombre del grupo de modelos que contiene la versión del modelo que desea ver.

6. En la lista de versiones del modelo, seleccione la versión del modelo que desee ver.

7. Elija una de las siguientes pestañas:

   • Formación: para ver o editar los detalles relacionados con su trabajo de formación, incluidas las métricas de rendimiento, los artefactos, la función de IAM y el cifrado y los contenedores. Para obtener más información, consulte Información sobre el trabajo de formación (Studio).

   • Evaluar: para ver o editar los detalles relacionados con su trabajo de formación, como las métricas de rendimiento, los conjuntos de datos de evaluación y la seguridad. Para obtener más información, consulte Información sobre el trabajo de evaluación (Studio).

   • Auditoría: para ver o editar detalles de alto nivel relacionados con el propósito empresarial, el uso, el riesgo y los detalles técnicos del modelo, como las limitaciones del algoritmo y el rendimiento. Para obtener más información, consulte Información de auditoría (gobierno) (Studio).

   • Implementación: para ver o editar la ubicación del contenedor de imágenes de inferencia y las instancias que componen el punto final. Para obtener más información, consulte Información de despliegue (Studio).

Studio Classic

1. Inicia sesión en Amazon SageMaker Studio Classic. Para obtener más información, consulte Lanzamiento de Amazon SageMaker Studio Classic.

2. En el panel de navegación izquierdo, elija el icono de Inicio ( ).

3. Elija Modelos y, a continuación, Registro de modelos.

4. En la lista de grupos de modelos, seleccione el nombre del grupo de modelos que desea ver.

5. Aparece una nueva pestaña con una lista de las versiones del modelo del grupo de modelos.

6. En la lista de versiones de modelo, seleccione el nombre de la versión del modelo de la que quiere ver los detalles.

7. En la pestaña de la versión del modelo que se abre, elija una de las siguientes opciones para ver los detalles sobre la versión del modelo:

   • Actividad: muestra los eventos de la versión del modelo, como las actualizaciones del estado de aprobación.

   • Calidad del modelo: comunica las métricas relacionadas con las comprobaciones de calidad de los modelos del monitor de modelos, que comparan las predicciones del modelo con las de Ground Truth. Para obtener más información sobre las comprobaciones de calidad de los modelos del monitor de modelos, consulte Supervisión de la calidad del modelo.

   • Explicabilidad: comunica las métricas relacionadas con las comprobaciones de atribución de características del monitor de modelos, que comparan las clasificaciones relativas de las características en los datos de entrenamiento con las de los datos en tiempo real. Para obtener más información sobre las comprobaciones de explicabilidad del monitor de modelos, consulte Supervisión de la desviación en la atribución de características de los modelos en producción.

   • Sesgo: comunica las métricas relacionadas con las comprobaciones de desviación de sesgo del monitor de modelos, que comparan la distribución de los datos en tiempo real con los datos de entrenamiento. Para obtener más información sobre las comprobaciones de desviación de sesgo del monitor de modelos, consulte Supervisión de la desviación de sesgo de los modelos en producción.

   • Recomendador de inferencias: proporciona recomendaciones de instancia iniciales para lograr un rendimiento óptimo en función del modelo y las cargas de muestra.

   • Prueba de carga: ejecuta pruebas de carga en los tipos de instancias que elija cuando indique sus requisitos de producción específicos, como las restricciones de latencia y rendimiento.

   • Especificación de inferencia: muestra los tipos de instancias para sus trabajos de inferencia y transformación en tiempo real, así como información sobre sus contenedores de Amazon ECR.

   • Información: muestra información como el proyecto al que está asociada la versión del modelo, la canalización que generó el modelo, el grupo de modelos y la ubicación del modelo en Amazon S3.

Información sobre el trabajo de formación (Studio)

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio Clásico.

Puede añadir a su modelo un trabajo de formación, creado externamente o con SageMaker él. Si añades un trabajo de SageMaker formación, SageMaker rellena previamente los campos de todas las subpáginas de la pestaña Tren. Si añades un trabajo de formación creado externamente, tendrás que añadir los detalles relacionados con el trabajo de formación de forma manual. Para añadir, eliminar, ver o actualizar la información sobre el trabajo de formación que has añadido, sigue los pasos de esta sección.

Para añadir un trabajo de formación a su paquete modelo, complete los siguientes pasos.

1. Seleccione la pestaña Tren.

2. Elija Añadir. Si no ves esta opción, es posible que ya tengas un puesto de formación adjunto. Si desea eliminar este trabajo de formación, complete las siguientes instrucciones para eliminar un trabajo de formación.

3. Puede añadir un trabajo de formación que haya creado en él SageMaker o un trabajo de formación que haya creado externamente.

   1. Para añadir un trabajo de formación que haya creado en SageMaker, siga estos pasos.

      1. Elige SageMaker.

      2. Seleccione la casilla de radio situada junto al trabajo de formación que desee añadir.

      3. Elija Añadir.

   2. Para añadir un trabajo de formación que haya creado externamente, siga estos pasos.

      1. Elija Custom (Personalizados).

      2. En el campo Nombre, introduce el nombre de tu trabajo de formación personalizado.

      3. Elija Añadir.

Para eliminar un trabajo de formación de su paquete modelo, complete los siguientes pasos.

1. Seleccione Capacitar.

2. Selecciona el icono de engranaje ( ) en la pestaña Tren.

3. Selecciona Eliminar junto a tu trabajo de entrenamiento.

4. Selecciona Sí, quiero eliminarlo<name of your training job>.

5. Seleccione Listo.

Para actualizar (y ver) los detalles relacionados con el trabajo de formación:

1. En la pestaña Tren, consulta el estado del trabajo de formación. El estado es Complete si ha añadido un trabajo de formación a su paquete modelo y Undefined si no lo ha hecho.

2. Para ver los detalles relacionados con su trabajo de formación, como el rendimiento, los hiperparámetros y los detalles de identificación, seleccione la pestaña Tren.

3. Para actualizar y ver los detalles relacionados con el rendimiento del modelo, complete los siguientes pasos.

   1. Selecciona Rendimiento en la barra lateral izquierda de la pestaña Tren.

   2. Consulta las métricas relacionadas con tu trabajo de entrenamiento. La página de rendimiento muestra las métricas por nombre, valor y cualquier nota que hayas añadido en relación con la métrica.

   3. (Opcional) Para añadir notas a las métricas existentes, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Añada notas a cualquiera de las métricas de la lista.

      3. En la parte superior de la página de la versión del modelo, selecciona Guardar en la versión del modelo de edición... pancarta.

   4. Consulta las métricas personalizadas relacionadas con tu trabajo de formación. Las métricas personalizadas tienen un formato similar al de las métricas.

   5. (Opcional) Para añadir métricas personalizadas, complete los siguientes pasos.

      1. Elija Añadir.

      2. Inserta un nombre, un valor y cualquier nota opcional para la nueva métrica.

   6. (Opcional) Para eliminar las métricas personalizadas, selecciona el icono de la papelera situado junto a la métrica que quieres eliminar.

   7. En el cuadro de texto Observaciones, consulta las notas que hayas añadido relacionadas con el rendimiento de tu trabajo de entrenamiento.

   8. (Opcional) Para añadir o actualizar observaciones, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Añada o actualice sus notas en el cuadro de texto Observaciones.

      3. En la parte superior de la página de la versión del modelo, elija Guardar en la versión del modelo de edición... pancarta.

4. Para actualizar y ver los detalles relacionados con los artefactos del modelo, complete los siguientes pasos.

   1. Selecciona Artefactos en la barra lateral izquierda de la pestaña Tren.

   2. En el campo Ubicación (URI de S3), consulta la ubicación en Amazon S3 de tus conjuntos de datos de entrenamiento.

   3. En el campo Modelos, consulte el nombre y las ubicaciones en Amazon S3 de los artefactos de modelos de otros modelos que incluyó en el trabajo de formación.

   4. Para actualizar cualquiera de los campos de la página de artefactos, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la parte superior derecha de la página de la versión del modelo y elija Editar.

      2. Introduzca valores nuevos en cualquiera de los campos.

      3. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

5. Para actualizar y ver los detalles relacionados con los hiperparámetros, complete los siguientes pasos.

   1. Seleccione Hiperparámetros en la barra lateral izquierda de la pestaña Tren.

   2. Vea los hiperparámetros SageMaker proporcionados y personalizados definidos. Cada hiperparámetro aparece con su nombre y valor.

   3. Vea los hiperparámetros personalizados que ha agregado.

   4. (Opcional) Para añadir un hiperparámetro personalizado adicional, complete los siguientes pasos.

      1. Sobre la esquina superior derecha de la tabla de hiperparámetros personalizados, elija Agregar. Aparecen un par de nuevos campos en blanco.

      2. Introduzca el nombre y el valor del nuevo hiperparámetro personalizado. Estos valores se guardan automáticamente.

   5. (Opcional) Para eliminar un hiperparámetro personalizado, seleccione el icono de la papelera situado a la derecha del hiperparámetro.

6. Para actualizar y ver los detalles relacionados con el entorno laboral de formación, complete los siguientes pasos.

   1. Selecciona Entorno en la barra lateral izquierda de la pestaña Tren.

   2. Vea las ubicaciones de los URI de Amazon ECR de cualquier contenedor de trabajos de formación que haya añadido SageMaker (para un trabajo de SageMaker formación) o usted (para un trabajo de formación personalizado).

   3. (Opcional) Para añadir un contenedor de trabajos de formación adicional, seleccione Añadir y, a continuación, introduzca el URI del nuevo contenedor de formación.

7. Para actualizar y ver el nombre del trabajo de formación y los nombres de recursos de Amazon (ARN) del trabajo de formación, complete los siguientes pasos.

   1. Selecciona Detalles en la barra lateral izquierda de la pestaña Tren.

   2. Vea el nombre del trabajo de formación y el ARN del trabajo de formación.

Información sobre el trabajo de evaluación (Studio)

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio Clásico.

Después de registrar el modelo, puede probarlo con uno o más conjuntos de datos para evaluar su rendimiento. Puede añadir uno o más trabajos de evaluación desde Amazon S3 o definir su propio trabajo de evaluación introduciendo manualmente todos los detalles. Si añade un trabajo desde Amazon S3, SageMaker rellena previamente los campos de todas las subpáginas de la pestaña Evaluar. Si define su propio trabajo de evaluación, tendrá que añadir manualmente los detalles relacionados con el trabajo de evaluación.

Para añadir su primer trabajo de evaluación a su paquete modelo, complete los siguientes pasos.

1. Seleccione la pestaña Evaluar.

2. Elija Añadir.

3. Puede añadir un trabajo de evaluación desde Amazon S3 o un trabajo de evaluación personalizado.

   1. Para añadir un trabajo de evaluación con material adicional de Amazon S3, complete los siguientes pasos.

      1. Elija S3.

      2. Introduzca un nombre para el trabajo de evaluación.

      3. Introduzca la ubicación de Amazon S3 en los materiales de salida de su trabajo de evaluación.

      4. Elija Añadir.

   2. Para añadir un trabajo de evaluación personalizado, complete el siguiente paso:

      1. Elija Custom (Personalizados).

      2. Introduzca un nombre para el trabajo de evaluación.

      3. Elija Añadir.

Para añadir un trabajo de evaluación adicional a su paquete de modelos, complete los siguientes pasos.

1. Seleccione la pestaña Evaluar.

2. Seleccione el icono de engranaje ( ) en la pestaña Tren.

3. En el cuadro de diálogo, seleccione Añadir.

4. Puede añadir un trabajo de evaluación desde Amazon S3 o un trabajo de evaluación personalizado.

   1. Para añadir un trabajo de evaluación con material adicional de Amazon S3, complete los siguientes pasos.

      1. Elija S3.

      2. Introduzca un nombre para el trabajo de evaluación.

      3. Introduzca la ubicación de Amazon S3 en los materiales de salida de su trabajo de evaluación.

      4. Elija Añadir.

   2. Para añadir un trabajo de evaluación personalizado, complete el siguiente paso:

      1. Elija Custom (Personalizados).

      2. Introduzca un nombre para el trabajo de evaluación.

      3. Elija Añadir.

Para eliminar un trabajo de evaluación de su paquete modelo, complete los siguientes pasos.

1. Seleccione la pestaña Evaluar.

2. Seleccione el icono de engranaje ( ) en la pestaña Tren.

3. (Opcional) Para encontrar tu puesto de evaluación en la lista, introduce un término de búsqueda en el cuadro de búsqueda para reducir la lista de opciones.

4. Pulse el botón de radio situado junto a su trabajo de evaluación.

5. Elija Eliminar.

6. Selecciona Sí, quiero eliminarlo<name of your evaluation job>.

7. Seleccione Listo.

Para actualizar (y ver) los detalles relacionados con el trabajo de evaluación:

1. En la pestaña Evaluar, consulte el estado del trabajo de evaluación. El estado es Complete si ha agregado un trabajo de evaluación a su paquete modelo y Undefined si no lo ha hecho.

2. Para ver los detalles relacionados con su trabajo de evaluación, como el rendimiento y la ubicación de los artefactos, seleccione la pestaña Evaluar.

3. Para actualizar y ver los detalles relacionados con el rendimiento del modelo durante la evaluación, complete los siguientes pasos.

   1. Elija Rendimiento en la barra lateral de la pestaña Evaluar.

   2. Consulta las métricas relacionadas con tu trabajo de evaluación en la lista de métricas. La lista de métricas muestra las métricas individuales por nombre, valor y cualquier nota que haya agregado en relación con la métrica.

   3. En el cuadro de texto Observaciones, consulte las notas que haya agregado relacionadas con el desempeño de su trabajo de evaluación.

   4. Para actualizar cualquiera de los campos de notas para cualquier métrica o campo de observaciones, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la parte superior derecha de la página de la versión del modelo y elija Editar.

      2. Introduzca notas para cualquier métrica o en el cuadro de texto Observaciones.

      3. En la parte superior de la página de la versión del modelo, elija Guardar en la versión del modelo de edición... pancarta.

4. Para actualizar y ver los detalles relacionados con sus conjuntos de datos de trabajos de evaluación, complete los siguientes pasos.

   1. Selecciona Artefactos en la barra lateral izquierda de la página de evaluación.

   2. Vea los conjuntos de datos utilizados en su trabajo de evaluación.

   3. (Opcional) Para añadir un conjunto de datos, elija Añadir e introduzca un URI de Amazon S3 en el conjunto de datos.

   4. (Opcional) Para eliminar un conjunto de datos, elija el icono de la papelera situado junto al conjunto de datos que desee eliminar.

5. Para ver el nombre del trabajo y el ARN del trabajo de evaluación, elija Detalles.

Información de auditoría (gobierno) (Studio)

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio Clásico.

Documente los detalles importantes del modelo para ayudar a su organización a establecer un marco sólido de gobierno del modelo. Usted y los miembros de su equipo pueden consultar estos detalles para que utilicen el modelo en los casos de uso adecuados, conozcan el ámbito empresarial y los propietarios del modelo y comprendan los riesgos del modelo. También puede guardar detalles sobre el rendimiento esperado del modelo y los motivos de las limitaciones de rendimiento.

Para ver o actualizar los detalles relacionados con la gobernanza del modelo, complete los siguientes pasos.

1. En la pestaña Auditoría, consulte el estado de aprobación de la tarjeta modelo. El estado puede ser uno de los siguientes:

   • Borrador: la tarjeta modelo sigue siendo un borrador.

   • Aprobación pendiente: el modelo de tarjeta está a la espera de ser aprobado.

   • Aprobado: el modelo de tarjeta está aprobado.

2. Para actualizar el estado de aprobación del modelo de tarjeta, seleccione el menú desplegable situado junto al estado de aprobación y elija el estado de aprobación actualizado.

3. Para actualizar y ver los detalles relacionados con el riesgo de su paquete modelo, complete los siguientes pasos.

   1. Seleccione Riesgo en la barra lateral izquierda de la pestaña Auditoría.

   2. Vea la calificación de riesgo actual y la explicación de la calificación de riesgo.

   3. Para actualizar la calificación o la explicación, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de auditoría y elija Editar.

      2. (Opcional) Elija una calificación de riesgo actualizada.

      3. (Opcional) Actualice la explicación de la calificación de riesgo.

      4. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

4. Para actualizar y ver los detalles relacionados con el uso de su paquete modelo, complete los siguientes pasos.

   1. Seleccione Uso en la barra lateral izquierda de la pestaña Auditoría.

   2. Consulta el texto que has añadido en los siguientes campos:

      • Tipo de problema: la categoría de algoritmo de aprendizaje automático utilizada para crear el modelo.

      • Tipo de algoritmo: el algoritmo específico utilizado para crear el modelo.

      • Usos previstos: La aplicación actual del modelo a su problema empresarial.

      • Factores que afectan a la eficacia del modelo: notas sobre las limitaciones de rendimiento de su modelo.

      • Uso recomendado: los tipos de aplicaciones que puede crear con el modelo, los escenarios en los que puede esperar un rendimiento razonable o el tipo de datos que se van a utilizar con el modelo.

      • Consideraciones éticas: una descripción de la forma en que su modelo podría discriminar en función de factores como la edad o el sexo.

   3. Para actualizar cualquiera de los campos de la lista anterior, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. (Opcional) Utilice los menús desplegables para Tipo de problema y Tipo de algoritmo para seleccionar nuevos valores, si es necesario.

      3. (Opcional) Actualice las descripciones de texto en los campos restantes.

      4. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

5. Para actualizar y ver los detalles relacionados con las partes interesadas de su paquete modelo, complete los siguientes pasos.

   1. Elija las partes interesadas en la barra lateral izquierda de la pestaña Auditoría.

   2. Vea el propietario y el creador del modelo actual, si los hay.

   3. Para actualizar el propietario o el creador del modelo, complete los siguientes pasos:

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Actualice los campos propietario o creador del modelo.

      3. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión de edición del modelo... pancarta.

6. Para actualizar y ver los detalles relacionados con el problema empresarial que aborda su paquete modelo, complete los siguientes pasos.

   1. Selecciona Negocios en la barra lateral izquierda de la pestaña Auditoría.

   2. Vea las descripciones actuales, si las hay, del problema empresarial que aborda el modelo, las partes interesadas en el problema empresarial y la línea de negocio.

   3. Para actualizar cualquiera de los campos de la pestaña Negocios, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Actualice las descripciones de cualquiera de los campos.

      3. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

7. Para actualizar y ver la documentación existente (representada como pares clave-valor) del modelo, complete los siguientes pasos.

   1. Elija Documentación en la barra lateral izquierda de la página de auditoría.

   2. Vea los pares clave-valor existentes.

   3. Para añadir cualquier par clave-valor, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Elija Añadir.

      3. Introduzca una clave nueva y un valor asociado.

      4. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

   4. Para eliminar cualquier par clave-valor, complete los siguientes pasos.

      1. Elija los puntos suspensivos verticales en la esquina superior derecha de la página de la versión del modelo y elija Editar.

      2. Seleccione el icono de la papelera situado junto al par clave-valor que desee eliminar.

      3. En la parte superior de la página de la versión del modelo, seleccione Guardar en la versión del modelo de edición... pancarta.

Información de despliegue (Studio)

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio Clásico.

Tras evaluar el rendimiento del modelo y determinar si está listo para usarse en las cargas de trabajo de producción, puede cambiar el estado de aprobación del modelo para iniciar la implementación de la CI/CD. Para obtener más información sobre las definiciones del estado de aprobación, consulte. Actualizar el estado de aprobación de un modelo

Para ver o actualizar los detalles relacionados con la implementación del paquete modelo, complete los siguientes pasos.

1. En la pestaña Implementar, consulte el estado de aprobación del paquete modelo. Los valores posibles pueden ser los siguientes:

   • Aprobación pendiente: el modelo está registrado pero aún no se ha aprobado o rechazado su despliegue.

   • Aprobado: el modelo está aprobado para el despliegue de CI/CD. Si existe una EventBridge regla que inicia el despliegue del modelo tras un evento de aprobación del modelo, como es el caso de un modelo creado a partir de una plantilla de SageMaker proyecto, SageMaker también se despliega el modelo.

   • Rechazado: se rechaza el despliegue del modelo.

   Si necesita cambiar el estado de aprobación, seleccione el menú desplegable situado junto al estado y seleccione el estado actualizado.

2. Para actualizar el estado de aprobación del paquete modelo, seleccione el menú desplegable situado junto al estado de aprobación y elija el estado de aprobación actualizado.

3. En la lista de contenedores, consulte los contenedores de imágenes de inferencia.

4. En la lista de instancias, consulta las instancias que componen el punto final de despliegue.