Veröffentlicht am: Oct 4, 2023
Mit Amazon SageMaker Model Registry können Sie jetzt Machine Learning (ML)-Modelle registrieren, die in privaten Docker-Repositorys gespeichert sind. Mit dieser Funktion können Sie alle Ihre ML-Modelle über mehrere private AWS- und Nicht-AWS-Modell-Repositorys in einem zentralen Service verfolgen, um ML-Operationen (MLOps) und ML-Governance im großen Maßstab zu vereinfachen.
Amazon SageMaker Model Registry ist ein speziell entwickelter Metadatenspeicher zur Verwaltung des gesamten Lebenszyklus von ML-Modellen, vom Training bis zur Inferenz. Unabhängig davon, ob Sie Ihre Modellartefakte (Modell-Framework-Dateien, Container-Image) lieber in AWS (Amazon ECR) oder außerhalb von AWS in einem Docker-Repository eines Drittanbieters speichern, können Sie sie jetzt alle in Amazon SageMaker Model Registry verfolgen. Sie können ein Modell auch ohne Lese- und Schreibberechtigung für das zugehörige Container-Image registrieren lassen. Stellen Sie zum Nachverfolgen eines ML-Modells in einem privaten Repository den optionalen Parameter „SkipModelValidation“ bei der Registrierung auf „Alle“. Später können Sie diese Modelle auch zur Inferenz in Amazon SageMaker bereitstellen. Weitere Details zur Bereitstellung solcher Modelle aus privaten Repositorys finden Sie in unserem Entwicklerhandbuch.
Amazon SageMaker Model Registry ist in allen AWS-Regionen verfügbar, mit Ausnahme der Regionen AWS GovCloud (USA). Registrieren Sie zum Einstieg Ihre privaten ML-Modelle über die Benutzeroberfläche von Amazon SageMaker Studio oder über das Amazon SageMaker Python SDK. Zusätzliche Informationen finden Sie im Entwicklerhandbuch von Amazon SageMaker.