Publicado: Oct 4, 2023
Agora, o Registro de Modelos do Amazon SageMaker permite que você registre modelos de machine learning (ML) armazenados em repositórios privados do Docker. Com esse recurso, você pode usar um serviço centralizado para acompanhar todos os modelos de ML em vários repositórios privados de modelos da AWS e de fora da AWS, simplificando a governança e as operações de ML (MLOps) em grande escala.
O Registro de Modelos do Amazon SageMaker é um armazenamento de metadados com propósito específico para gerenciar todo o ciclo de vida de modelos de ML, desde o treinamento até a inferência. Se você prefere armazenar artefatos de modelos (arquivos de estrutura de modelos, imagens de contêineres) na AWS (no Amazon ECR) ou fora da AWS em qualquer repositório Docker de terceiros, já é possível rastrear todos eles no Registro de Modelos do Amazon SageMaker. Você também tem a flexibilidade de registrar um modelo sem permissões de leitura/gravação na imagem de contêiner associada. Se quiser rastrear um modelo de ML em um repositório privado, defina o parâmetro opcional “SkipModelValidation” como “All” ao efetuar o registro. Você também pode implantar posteriormente esses modelos para inferência no Amazon SageMaker. Para obter mais detalhes sobre como implantar esses modelos a partir de repositórios privados, consulte o Guia do desenvolvedor.
O Registro de Modelos do Amazon SageMaker está disponível em todas as regiões da AWS, exceto nas regiões AWS GovCloud (EUA). Para começar a usar, registre modelos de ML privados usando a interface do usuário do Amazon SageMaker Studio ou o Amazon SageMaker Python SDK. Acesse o Guia do desenvolvedor do Amazon SageMaker para obter mais informações.