Publicado en: Oct 4, 2023
El registro de modelos de Amazon SageMaker ahora le permite registrar modelos de machine learning (ML) que se almacenan en repositorios privados de Docker. Esta capacidad le posibilita realizar un seguimiento de todos sus modelos de ML dentro de varios repositorios de modelos privados de AWS y externos en un servicio central a fin de simplificar las operaciones de ML (MLOP) y la gobernanza del ML a escala.
El registro de modelos de Amazon SageMaker es un almacén de metadatos diseñado específicamente para administrar todo el ciclo de vida de los modelos de ML, desde el entrenamiento hasta la inferencia. Tanto si prefiere almacenar sus artefactos del modelo (archivos del marco del modelo, imagen del contenedor) en AWS (Amazon ECR) como fuera de AWS, en un repositorio de Docker de terceros, ahora puede realizar un seguimiento de todos ellos en el registro de modelos de Amazon SageMaker. También tiene la flexibilidad de registrar un modelo sin permisos de lectura/escritura en la imagen del contenedor asociada. Si quiere realizar un seguimiento de un modelo de ML en un repositorio privado, debe establecer el parámetro opcional “SkipModelValidation” en “All” en el momento del registro. Más adelante, también podrá implementar estos modelos para realizar inferencias en Amazon SageMaker. Para obtener más información sobre cómo implementar estos modelos desde repositorios privados, consulte nuestra guía para desarrolladores.
El registro de modelos de Amazon SageMaker está disponible en todas las regiones de AWS, excepto en las regiones de AWS GovCloud (EE. UU.). Para empezar, registre sus modelos de ML privados mediante la interfaz de usuario de Amazon SageMaker Studio o mediante Amazon SageMaker Python SDK. Visite la guía para desarrolladores de Amazon SageMaker para obtener información adicional.