收录 Ground Truth 标签并将其与预测合并

模型质量监控将您的模型所做的预测与 Ground Truth 标签进行比较，以衡量模型的质量。为此，您需要定期为端点或批量转换作业捕获的数据添加标签，然后将其上传到 Amazon S3。

要将 Ground Truth 标签与捕获的预测数据进行匹配，数据集中的每条记录都必须有一个唯一的标识符。Ground Truth 数据的每条记录的结构如下：

{
  "groundTruthData": {
    "data": "1",
    "encoding": "CSV" # only CSV supported at launch, we assume "data" only consists of label
  },
  "eventMetadata": {
    "eventId": "aaaa-bbbb-cccc"
  },
  "eventVersion": "0"
}

在 groundTruthData 结构中，eventId 可以是以下项之一：

• eventId - 此 ID 是在用户调用端点时自动生成的。

• inferenceId - 调用方在调用端点时提供此 ID。

如果捕获的数据记录中存在 inferenceId，则 Model Monitor 用它来将捕获的数据与 Ground Truth 记录合并。您负责确保 Ground Truth 记录中的 inferenceId 与所捕获记录中的 inferenceId 进行匹配。如果捕获的数据中不存在 inferenceId，则 Model Monitor 使用所捕获数据记录中的 eventId 将它们与 Ground Truth 记录进行匹配。

您必须将 Ground Truth 数据上传到路径格式与所捕获数据的路径格式相同的 Amazon S3 存储桶，其格式如下：

s3://bucket/prefix/yyyy/mm/dd/hh

此路径中的日期是收集 Ground Truth 标签的日期，不必与生成推理的日期相匹配。

创建并上传 Ground Truth 标签后，请在创建监控作业时将标签的位置作为参数包括在内。如果您正在使用 AWS SDK for Python (Boto3)，请在调用create_model_quality_job_definition方法时通过将 Ground Truth 标签的位置指定为GroundTruthS3Input参数S3Uri字段来执行此操作。如果您使用的是 SageMaker PythonSDK，请在调用ModelQualityMonitor对象时将 Ground Truth 标签create_monitoring_schedule的位置指定为ground_truth_input参数。