Veröffentlicht am: Apr 17, 2023
Amazon SageMaker hat Collections angekündigt, eine neue Funktion zur Organisation Ihrer Machine-Learning-Modelle in der Amazon SageMaker-Modellregistrierung. Sie können Sammlungen verwenden, um registrierte Modelle, die miteinander verwandt sind, zu gruppieren und sie in Hierarchien zu organisieren, um die Auffindbarkeit von Modellen im großen Maßstab zu verbessern.
Amazon SageMaker Model Registry ist ein speziell für Machine Learning-Operationen (MLOps) entwickeltes Tool, mit dem Sie Ihre ML-Modelle zentral verwalten können. Sie können Modelle und Metadaten verfolgen, Modellversionen vergleichen und sie für die Bereitstellung über die Amazon SageMaker Model Registry überprüfen und genehmigen. Wenn Sie ein Modell registrieren, erstellt Amazon SageMaker Model Registry ein Modellpaket und speichert alle nachfolgenden Versionen des Modells in einer Modellpaketgruppe.
Mit Sammlungen können Sie registrierte Modelle organisieren, die miteinander verknüpft sind. Sie könnten Ihre Modelle beispielsweise nach dem Problembereich, den sie lösen, in den Sammlungen mit den Titeln „NLP-Modelle“, „CV-Modelle“ und „Spracherkennungsmodelle“ kategorisieren. Um Ihre registrierten Modelle in einer Baumstruktur zu organisieren, können Sie Sammlungen ineinander verschachteln. Alle Operationen, die Sie an einer Sammlung ausführen (erstellen/lesen/aktualisieren/löschen), haben keine Auswirkungen auf Ihre registrierten Modelle. Sie können die Amazon SageMaker Studio-Benutzeroberfläche oder das Python-SDK verwenden, um Sammlungen zu verwalten.
Amazon SageMaker Model Registry ist in allen AWS-Regionen verfügbar, mit Ausnahme der Regionen AWS GovCloud (USA) und China.
Erstellen Sie zunächst Ihre erste Sammlung für registrierte Modelle über die Amazon SageMaker Studio-Benutzeroberfläche oder über das Amazon SageMaker Python SDK. Weitere Informationen zu Sammlungen finden Sie im Amazon SageMaker-Entwicklerleitfaden.