Présentation détaillée d'un SageMaker MLOps projet

Important

Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l'utilisation de l'application Studio Classic. Pour plus d'informations sur l'utilisation de l'expérience Studio mise à jour, consultezAmazon SageMaker Studio.

Cette procédure pas à pas utilise le modèle MLOpsmodèle pour la création de modèles, la formation et le déploiement pour montrer comment utiliser MLOps des projets pour créer un système CI/CD pour créer, former et déployer des modèles.

Prérequis

Pour cette démonstration, vous avez besoin de ce qui suit :

• Un IAM compte ou un centre IAM d'identité pour se connecter à Studio Classic. Pour plus d’informations, veuillez consulter Vue d'ensemble SageMaker du domaine Amazon.

• Autorisation d'utiliser les modèles de projet SageMaker fournis. Pour plus d’informations, veuillez consulter Octroi des autorisations de SageMaker studio requises pour utiliser les projets.

• Connaissance de base de l'interface utilisateur de Studio Classic. Pour plus d’informations, veuillez consulter Présentation de l'interface utilisateur Amazon SageMaker Studio Classic.

Étape 1 : création du projet

Au cours de cette étape, vous créez un SageMaker MLOps projet en utilisant un modèle de projet SageMaker fourni pour créer, former et déployer des modèles.

Pour créer le SageMaker MLOps projet

1. Connectez-vous à Studio Classic. Pour de plus amples informations, veuillez consulter Vue d'ensemble SageMaker du domaine Amazon.

2. Dans la barre latérale de Studio Classic, choisissez l'icône Accueil ( ).

3. Sélectionnez Deployments (Déploiements) dans le menu, puis sélectionnez Projects (Projets).

4. Sélectionnez Create a project (Créer un projet).

   L'onglet Create project (Créer un projet) s'affiche.

5. Si ce n'est pas déjà fait, choisissez SageMaker des modèles, puis choisissez MLOpsun modèle pour la création de modèles, la formation et le déploiement.

6. Pour Project details (Détails du projet), saisissez un nom et une description pour votre projet.

Lorsque le projet apparaît dans la liste Projects (Projets) avec un Status (État) Create completed (Création terminée), passez à l'étape suivante.

Important

À compter du 25 juillet 2022, nous avons besoin de rôles supplémentaires pour utiliser les modèles de projet. Si le message d'erreur n'CodePipeline est pas autorisé à s'exécuter AssumeRole sur le rôle arn:aws:iam : :xxx:role/service-role/ AmazonSageMakerServiceCatalogProductsCodePipelineRole, reportez-vous aux étapes 5 et 6 pour obtenir la liste complète des rôles requis et les instructions Octroi des autorisations de SageMaker studio requises pour utiliser les projets pour les créer.

Étape 2 : clonage du référentiel de code

Après avoir créé le projet, deux CodeCommit référentiels sont créés dans le projet. L'un des référentiels contient du code pour créer et entraîner un modèle, tandis que l'autre contient du code pour déployer le modèle. Au cours de cette étape, vous clonez le référentiel dans votre SageMaker projet local qui contient le code permettant de créer et d'entraîner le modèle pour l'environnement Studio Classic local afin de pouvoir travailler avec le code.

Pour cloner le référentiel de code

1. Dans la barre latérale de Studio Classic, choisissez l'icône Accueil ( ).

2. Sélectionnez Deployments (Déploiements) dans le menu, puis sélectionnez Projects (Projets).

3. Sélectionnez le projet que vous avez créé à l'étape précédente pour ouvrir l'onglet Project (Projet) de votre projet.

4. Dans l'onglet Project (Projet), choisissez Repositories (Référentiels), et dans la colonne Local path (Chemin local) pour le référentiel qui se termine par modelbuild, choisissez clone repo… (Cloner le référentiel…).

5. Dans la boîte de dialogue qui s'affiche, acceptez les valeurs par défaut et choisissez Clone repository (Cloner le référentiel).

   

   Lorsque le clone du référentiel est prêt, le chemin d'accès local apparaît dans la colonne Local path (Chemin local). Choisissez le chemin pour ouvrir le dossier local contenant le code du référentiel dans Studio Classic.

Étape 3 : modification du code

Apportez maintenant une modification au code de pipeline qui crée le modèle et archivez la modification pour déclencher une nouvelle exécution de pipeline. L'exécution du pipeline enregistre une nouvelle version de modèle.

Pour modifier le code

1. Dans Studio Classic, choisissez l'icône du navigateur de fichiers ( ), puis accédez au pipelines/abalone dossier. Double-cliquez sur pipeline.py pour ouvrir le fichier de code.

2. Dans le fichier pipeline.py, recherchez la ligne qui définit le type d'instance d'entraînement.

   training_instance_type = ParameterString(
           name="TrainingInstanceType", default_value="ml.m5.xlarge"

   Modifiez ml.m5.xlarge en ml.m5.large, puis saisissez Ctrl+S pour enregistrer la modification.

3. Choisissez l'icône Git ( ). Indexez, validez et transmettez la modification dans pipeline.py. Entrez également un résumé dans le champ Summary (Résumé) et une description facultative dans le champ Description. Pour plus d'informations sur l'utilisation de Git dans Studio Classic, consultezCloner un dépôt Git dans SageMaker Studio Classic.

   

Après avoir effectué votre modification de code, le MLOps système lance une exécution du pipeline qui crée une nouvelle version du modèle. Dans l'étape suivante, vous approuvez la nouvelle version de modèle pour la déployer en production.

Étape 4 : approbation du modèle

Vous approuvez maintenant la nouvelle version du modèle créée à l'étape précédente pour lancer le déploiement de la version du modèle sur un SageMaker point de terminaison.

Pour approuver la version du modèle

1. Dans la barre latérale de Studio Classic, choisissez l'icône Accueil ( ).

2. Sélectionnez Deployments (Déploiements) dans le menu, puis sélectionnez Projects (Projets).

3. Sélectionnez le nom du projet que vous avez créé à la première étape pour ouvrir l'onglet Project (Projet) de votre projet.

4. Dans l'onglet Project (Projet), choisissez Model groups (Groupes de modèles), puis double-cliquez sur le nom du groupe de modèles qui s'affiche.

   L'onglet Model group (Groupe de modèles) s'affiche.

5. Dans l'onglet Model group (Groupe du modèle), double-cliquez sur Version 1. L'onglet Version 1 s'ouvre. Choisissez Update status (Mettre à jour le statut).

6. Dans la boîte de dialogue du modèle Update model version status (Mettre à jour l'état de la version), dans Status (Statut), sélectionnez Approve (Approuver), puis Update status (Mettre à jour le statut).

   L'approbation de la version du modèle entraîne le MLOps déploiement du modèle vers le stade de préparation. Pour afficher le point de terminaison, choisissez l'onglet Endpoints (Points de terminaison) sur l'onglet Project (Projet).

(Facultatif) Étape 5 : déploiement de la version du modèle en production

Vous pouvez désormais déployer la version du modèle dans l'environnement de production.

Note

Pour effectuer cette étape, vous devez être administrateur de votre domaine Studio Classic. Si vous n'êtes pas un administrateur, ignorez cette étape.

Pour déployer la version du modèle dans l'environnement de production

1. Connectez-vous à la CodePipeline console à l'adresse https://console.aws.amazon.com/codepipeline/

2. Choisissez Pipelines, puis choisissez le pipeline nommé sagemaker-projectname-projectid- modeldeploy, où projectname est le nom de votre projet, et projectid est l'identifiant de votre projet.

3. Dans l'DeployStagingétape, choisissez Réviser.

4. Dans Review (Vérification), choisissez Approve (Approuver).

   L'approbation de l'DeployStagingétape entraîne le déploiement du modèle en production par le MLOps système. Pour afficher le point de terminaison, choisissez l'onglet Points de terminaison dans l'onglet projet dans Studio Classic.

Étape 6 : nettoyage des ressources

Pour cesser d'engager des frais, nettoyez les ressources qui ont été créées dans cette démonstration. Pour ce faire, exécutez les étapes suivantes.

Note

Pour supprimer la AWS CloudFormation pile et le compartiment Amazon S3, vous devez être administrateur dans Studio Classic. Si vous n'êtes pas administrateur, demandez à votre administrateur d'effectuer cette procédure.

1. Dans la barre latérale de Studio Classic, choisissez l'icône Accueil ( ).

2. Sélectionnez Deployments (Déploiements) dans le menu, puis sélectionnez Projects (Projets).

3. Sélectionnez le projet cible dans la liste déroulante. Si vous ne voyez pas votre projet, saisissez le nom du projet et appliquez le filtre pour le trouver.

4. Vous pouvez supprimer un projet Studio Classic de l'une des manières suivantes :

   1. Vous pouvez supprimer le projet de la liste des projets.

      Cliquez avec le bouton droit sur le projet cible et choisissez Delete (Supprimer) dans la liste déroulante.

      Note

      Cette fonctionnalité est prise en charge dans la version 3.17.1 ou supérieure de Studio Classic. Pour de plus amples informations, veuillez consulter Arrêter et mettre à jour SageMaker Studio Classic.

   2. Vous pouvez supprimer un projet de la section Project details (Détails du projet).

      1. Une fois que vous avez trouvé votre projet, double-cliquez dessus pour afficher ses détails dans le panneau principal.

      2. Dans le menu Actions, choisissez Delete (Supprimer).

5. Confirmez votre choix en choisissant Delete (Supprimer) dans la fenêtre Delete Project (Supprimer le projet).

   Cette opération supprime le produit alloué par Service Catalog créé par le projet. Cela inclut les CodeCommit CodePipeline, et les CodeBuild ressources créées pour le projet.

6. Supprimez les AWS CloudFormation piles créées par le projet. Il existe deux piles, l'une pour l'environnement intermédiaire et l'autre pour l'environnement de production. Les noms des piles sont Sagemaker-projectname-project-id-deploy-staging et sagemaker - projectname-project-id-deploy-prod, où projectname est le nom de votre projet, et project-id est l'identifiant de votre projet.

   Pour plus d'informations sur la suppression d'une AWS CloudFormation pile, consultez la section Supprimer une pile sur la AWS CloudFormation console dans le Guide de AWS CloudFormation l'utilisateur.

7. Supprimez le compartiment Amazon S3 créé par le projet. Le nom du bucket est sagemaker-project-project-id, où project-id est l'identifiant de votre projet.