本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
模型品質監控會將模型所做的預測與 Ground Truth 標籤進行比較，以測量模型的品質。為了這麼做，您可以定期標籤端點或批次轉換工作擷取的資料，並將其上傳到 Amazon S3。
為了讓 Ground Truth 標籤與擷取的預測資料相符，資料集中的每個記錄都必須有唯一識別碼。Ground Truth 資料的每個記錄結構如下：
{
"groundTruthData": {
"data": "1",
"encoding": "CSV"
},
"eventMetadata": {
"eventId": "aaaa-bbbb-cccc"
},
"eventVersion": "0"
}在 groundTruthData 結構中，eventId 可以是以下其中一項：
-
eventId– 當使用者調用端點時，會自動產生此 ID。 -
inferenceId– 呼叫者在調用端點時會提供此 ID。
如果 inferenceId 存在於擷取的資料記錄中，模型監控會使用它與 Ground Truth 記錄合併擷取的資料。您有責任確保 Ground Truth 記錄中的 inferenceId 與擷取記錄中的 inferenceId 相符。如果擷取的資料中不存在 inferenceId，模型監控會使用擷取的資料記錄中的 eventId 與 Ground Truth 記錄進行比對。
您必須將 Ground Truth 資料上傳至路徑格式與擷取資料相同的 Amazon S3 儲存貯體。
資料格式要求
當您將資料儲存至 Amazon S3 時，必須使用 jsonlines 格式 (.jsonl)，並使用下列命名結構儲存。若要進一步了解 jsonline 需求，請參閱 使用輸入和輸出資料。
s3://amzn-s3-demo-bucket1/prefix/yyyy/mm/dd/hh
此路徑中的日期是收集 Ground Truth 標籤的日期，而不必與產生推論的日期相符。
建立並上傳 Ground Truth 標籤後，在建立監控工作時將標籤的位置納入為參數。如果您使用的是 AWS SDK for Python (Boto3)，請指定 Ground Truth 標籤的位置做為呼叫 create_model_quality_job_definition方法的 GroundTruthS3Input 參數S3Uri欄位來執行此操作。如果您使用的是 SageMaker Python SDK，在呼叫 ModelQualityMonitor 物件的 create_monitoring_schedule 時，指定 Ground Truth 標籤的位置為 ground_truth_input 參數。
