查看和更新模型版本的详细信息 (Boto3)查看和更新模型版本（Studio 或 Studio Classic）的详细信息

查看和更新模型版本的详细信息

您可以使用 Amazon SDK for Python (Boto3) 或 Amazon SageMaker Studio 控制台查看和更新特定型号版本的详细信息。

查看和更新模型版本的详细信息 (Boto3)

要使用 Boto3 查看模型版本的详细信息，请完成以下步骤。

调用 list_model_packages API 操作查看模型组中的模型版本。


sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")

响应是模型包摘要列表。您可以从此列表中获取模型版本的 Amazon 资源名称 (ARN)。


{'ModelPackageSummaryList': [{'ModelPackageGroupName': 'AbaloneMPG-16039329888329896',
   'ModelPackageVersion': 1,
   'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1',
   'ModelPackageDescription': 'TestMe',
   'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
   'ModelPackageStatus': 'Completed',
   'ModelApprovalStatus': 'Approved'}],
 'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
  'HTTPStatusCode': 200,
  'HTTPHeaders': {'x-amzn-requestid': '12345678-abcd-1234-abcd-aabbccddeeff',
   'content-type': 'application/x-amz-json-1.1',
   'content-length': '349',
   'date': 'Mon, 23 Nov 2020 04:56:50 GMT'},
  'RetryAttempts': 0}}

调用 describe_model_package 以查看模型版本的详细信息。您传入在 list_model_packages 调用输出中获得的模型版本的 ARN。


sm_client.describe_model_package(ModelPackageName="arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1")

此调用的输出是一个包含模型版本详细信息的 JSON 对象。


{'ModelPackageGroupName': 'ModelGroup1',
 'ModelPackageVersion': 1,
 'ModelPackageArn': 'arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup/1',
 'ModelPackageDescription': 'Test Model',
 'CreationTime': datetime.datetime(2020, 10, 29, 1, 27, 46, 46000, tzinfo=tzlocal()),
 'InferenceSpecification': {'Containers': [{'Image': '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.0-1-cpu-py3',
    'ImageDigest': 'sha256:99fa602cff19aee33297a5926f8497ca7bcd2a391b7d600300204eef803bca66',
    'ModelDataUrl': 's3://sagemaker-us-east-2-123456789012/ModelGroup1/pipelines-0gdonccek7o9-AbaloneTrain-stmiylhtIR/output/model.tar.gz'}],
  'SupportedTransformInstanceTypes': ['ml.m5.xlarge'],
  'SupportedRealtimeInferenceInstanceTypes': ['ml.t2.medium', 'ml.m5.xlarge'],
  'SupportedContentTypes': ['text/csv'],
  'SupportedResponseMIMETypes': ['text/csv']},
 'ModelPackageStatus': 'Completed',
 'ModelPackageStatusDetails': {'ValidationStatuses': [],
  'ImageScanStatuses': []},
 'CertifyForMarketplace': False,
 'ModelApprovalStatus': 'PendingManualApproval',
 'LastModifiedTime': datetime.datetime(2020, 10, 29, 1, 28, 0, 438000, tzinfo=tzlocal()),
 'ResponseMetadata': {'RequestId': '12345678-abcd-1234-abcd-aabbccddeeff',
  'HTTPStatusCode': 200,
  'HTTPHeaders': {'x-amzn-requestid': '212345678-abcd-1234-abcd-aabbccddeeff',
   'content-type': 'application/x-amz-json-1.1',
   'content-length': '1038',
   'date': 'Mon, 23 Nov 2020 04:59:38 GMT'},
  'RetryAttempts': 0}}

模型包模型卡片架构 (Studio)

如果您使用 Studio（而不是 Studio Classic），则与模型版本相关的任何详细信息都将封装在模型包的模型卡片中。模型包的模型卡是 Amazon SageMaker 模型卡的特殊用法，其架构得到了简化。模型包模型卡片架构显示在以下可扩展下拉列表中。


{
  "title": "SageMakerModelCardSchema",
  "description": "Schema of a model package’s model card.",
  "version": "0.1.0",
  "type": "object",
  "additionalProperties": false,
  "properties": {
    "model_overview": {
      "description": "Overview about the model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "model_creator": {
          "description": "Creator of model.",
          "type": "string",
          "maxLength": 1024
        },
        "model_artifact": {
          "description": "Location of the model artifact.",
          "type": "array",
          "maxContains": 15,
          "items": {
            "type": "string",
            "maxLength": 1024
          }
        }
      }
    },
    "intended_uses": {
      "description": "Intended usage of model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "purpose_of_model": {
          "description": "Reason the model was developed.",
          "type": "string",
          "maxLength": 2048
        },
        "intended_uses": {
          "description": "Intended use cases.",
          "type": "string",
          "maxLength": 2048
        },
        "factors_affecting_model_efficiency": {
          "type": "string",
          "maxLength": 2048
        },
        "risk_rating": {
          "description": "Risk rating for model card.",
          "$ref": "#/definitions/risk_rating"
        },
        "explanations_for_risk_rating": {
          "type": "string",
          "maxLength": 2048
        }
      }
    },
    "business_details": {
      "description": "Business details of model.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "business_problem": {
          "description": "Business problem solved by the model.",
          "type": "string",
          "maxLength": 2048
        },
        "business_stakeholders": {
          "description": "Business stakeholders.",
          "type": "string",
          "maxLength": 2048
        },
        "line_of_business": {
          "type": "string",
          "maxLength": 2048
        }
      }
    },
    "training_details": {
      "description": "Overview about the training.",
      "type": "object",
      "additionalProperties": false,
      "properties": {
        "objective_function": {
          "description": "The objective function for which the model is optimized.",
          "function": {
            "$ref": "#/definitions/objective_function"
          },
          "notes": {
            "type": "string",
            "maxLength": 1024
          }
        },
        "training_observations": {
          "type": "string",
          "maxLength": 1024
        },
        "training_job_details": {
          "type": "object",
          "additionalProperties": false,
          "properties": {
            "training_arn": {
              "description": "SageMaker Training job ARN.",
              "type": "string",
              "maxLength": 1024
            },
            "training_datasets": {
              "description": "Location of the model datasets.",
              "type": "array",
              "maxContains": 15,
              "items": {
                "type": "string",
                "maxLength": 1024
              }
            },
            "training_environment": {
              "type": "object",
              "additionalProperties": false,
              "properties": {
                "container_image": {
                  "description": "SageMaker training image URI.",
                  "type": "array",
                  "maxContains": 15,
                  "items": {
                    "type": "string",
                    "maxLength": 1024
                  }
                }
              }
            },
            "training_metrics": {
              "type": "array",
              "items": {
                "maxItems": 50,
                "$ref": "#/definitions/training_metric"
              }
            },
            "user_provided_training_metrics": {
              "type": "array",
              "items": {
                "maxItems": 50,
                "$ref": "#/definitions/training_metric"
              }
            },
            "hyper_parameters": {
              "type": "array",
              "items": {
                "maxItems": 100,
                "$ref": "#/definitions/training_hyper_parameter"
              }
            },
            "user_provided_hyper_parameters": {
              "type": "array",
              "items": {
                "maxItems": 100,
                "$ref": "#/definitions/training_hyper_parameter"
              }
            }
          }
        }
      }
    },
    "evaluation_details": {
      "type": "array",
      "default": [],
      "items": {
        "type": "object",
        "required": [
          "name"
        ],
        "additionalProperties": false,
        "properties": {
          "name": {
            "type": "string",
            "pattern": ".{1,63}"
          },
          "evaluation_observation": {
            "type": "string",
            "maxLength": 2096
          },
          "evaluation_job_arn": {
            "type": "string",
            "maxLength": 256
          },
          "datasets": {
            "type": "array",
            "items": {
              "type": "string",
              "maxLength": 1024
            },
            "maxItems": 10
          },
          "metadata": {
            "description": "Additional attributes associated with the evaluation results.",
            "type": "object",
            "additionalProperties": {
              "type": "string",
              "maxLength": 1024
            }
          },
          "metric_groups": {
            "type": "array",
            "default": [],
            "items": {
              "type": "object",
              "required": [
                "name",
                "metric_data"
              ],
              "properties": {
                "name": {
                  "type": "string",
                  "pattern": ".{1,63}"
                },
                "metric_data": {
                  "type": "array",
                  "items": {
                    "anyOf": [
                      {
                        "$ref": "#/definitions/simple_metric"
                      },
                      {
                        "$ref": "#/definitions/linear_graph_metric"
                      },
                      {
                        "$ref": "#/definitions/bar_chart_metric"
                      },
                      {
                        "$ref": "#/definitions/matrix_metric"
                      }
                    ]

                  }
                }
              }
            }
          }
        }
      }
    },
    "additional_information": {
      "additionalProperties": false,
      "type": "object",
      "properties": {
        "ethical_considerations": {
          "description": "Ethical considerations for model users.",
          "type": "string",
          "maxLength": 2048
        },
        "caveats_and_recommendations": {
          "description": "Caveats and recommendations for model users.",
          "type": "string",
          "maxLength": 2048
        },
        "custom_details": {
          "type": "object",
          "additionalProperties": {
            "$ref": "#/definitions/custom_property"
          }
        }
      }
    }
  },
  "definitions": {
    "source_algorithms": {
      "type": "array",
      "minContains": 1,
      "maxContains": 1,
      "items": {
        "type": "object",
        "additionalProperties": false,
        "required": [
          "algorithm_name"
        ],
        "properties": {
          "algorithm_name": {
            "description": "The name of the algorithm used to create the model package. The algorithm must be either an algorithm resource in your SageMaker account or an algorithm in Amazon Web Services Marketplace that you are subscribed to.",
            "type": "string",
            "maxLength": 170
          },
          "model_data_url": {
            "description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
            "type": "string",
            "maxLength": 1024
          }
        }
      }
    },
    "inference_specification": {
      "type": "object",
      "additionalProperties": false,
      "required": [
        "containers"
      ],
      "properties": {
        "containers": {
          "description": "Contains inference related information used to create model package.",
          "type": "array",
          "minContains": 1,
          "maxContains": 15,
          "items": {
            "type": "object",
            "additionalProperties": false,
            "required": [
              "image"
            ],
            "properties": {
              "model_data_url": {
                "description": "Amazon S3 path where the model artifacts, which result from model training, are stored.",
                "type": "string",
                "maxLength": 1024
              },
              "image": {
                "description": "Inference environment path. The Amazon Elastic Container Registry (Amazon ECR) path where inference code is stored.",
                "type": "string",
                "maxLength": 255
              },
              "nearest_model_name": {
                "description": "The name of a pre-trained machine learning benchmarked by an Amazon SageMaker Inference Recommender model that matches your model.",
                "type": "string"
              }
            }
          }
        }
      }
    },
    "risk_rating": {
      "description": "Risk rating of model.",
      "type": "string",
      "enum": [
        "High",
        "Medium",
        "Low",
        "Unknown"
      ]
    },
    "custom_property": {
      "description": "Additional property.",
      "type": "string",
      "maxLength": 1024
    },
    "objective_function": {
      "description": "Objective function for which the training job is optimized.",
      "additionalProperties": false,
      "properties": {
        "function": {
          "type": "string",
          "enum": [
            "Maximize",
            "Minimize"
          ]
        },
        "facet": {
          "type": "string",
          "maxLength": 63
        },
        "condition": {
          "type": "string",
          "maxLength": 63
        }
      }
    },
    "training_metric": {
      "description": "Training metric data.",
      "type": "object",
      "required": [
        "name",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "value": {
          "type": "number"
        }
      }
    },
    "training_hyper_parameter": {
      "description": "Training hyperparameter.",
      "type": "object",
      "required": [
        "name",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "value": {
          "type": "string",
          "pattern": ".{1,255}"
        }
      }
    },
    "linear_graph_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "linear_graph"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "array",
                "items": {
                  "type": "number"
                },
                "minItems": 2,
                "maxItems": 2
              },
              "minItems": 1
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "bar_chart_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "bar_chart"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "number"
              },
              "minItems": 1
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "matrix_metric": {
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "matrix"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "array",
              "items": {
                "type": "array",
                "items": {
                  "type": "number"
                },
                "minItems": 1,
                "maxItems": 20
              },
              "minItems": 1,
              "maxItems": 20
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_array"
        }
      }
    },
    "simple_metric": {
      "description": "Metric data.",
      "type": "object",
      "required": [
        "name",
        "type",
        "value"
      ],
      "additionalProperties": false,
      "properties": {
        "name": {
          "type": "string",
          "pattern": ".{1,255}"
        },
        "notes": {
          "type": "string",
          "maxLength": 1024
        },
        "type": {
          "type": "string",
          "enum": [
            "number",
            "string",
            "boolean"
          ]
        },
        "value": {
          "anyOf": [
            {
              "type": "number"
            },
            {
              "type": "string",
              "maxLength": 63
            },
            {
              "type": "boolean"
            }
          ]
        },
        "x_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        },
        "y_axis_name": {
          "$ref": "#/definitions/axis_name_string"
        }
      }
    },
    "axis_name_array": {
      "type": "array",
      "items": {
        "type": "string",
        "maxLength": 63
      }
    },
    "axis_name_string": {
      "type": "string",
      "maxLength": 63
    }
  }
}

查看和更新模型版本（Studio 或 Studio Classic）的详细信息

要查看和更新模型版本的详细信息，请根据您使用的是 Studio 还是 Studio Classic 完成以下步骤。在 Studio Classic 中，您可以更新模型版本的批准状态。有关更多信息，请参阅更新模型的批准状态。另一方面，在 Studio 中，为模型包 SageMaker 创建模型卡，模型版本用户界面提供了更新模型卡片中详细信息的选项。

Studio

按照启动 Amazon SageMaker Studio 中的说明打开 SageMaker Studio 控制台。
在左侧导航窗格中，从菜单中选择模型。
如果尚未选择，请选择已注册的模型选项卡。
在已注册模型选项卡标签的正下方，选择模型组（如果尚未选择）。
选择包含要查看的模型版本的模型组的名称。
在模型版本列表中，选择要查看的模型版本。
选择以下选项卡之一。
- 培训：查看或编辑与您的训练作业相关的详细信息，包括绩效指标、项目、IAM 角色和加密以及容器。有关更多信息，请参阅培训工作信息（工作室）。
- 评估：查看或编辑与您的训练作业相关的详细信息，例如绩效指标、评估数据集和安全性。有关更多信息，请参阅评估工作信息（工作室）。
- 审计：查看或编辑与模型的业务目的、用法、风险以及算法和性能限制等技术细节相关的高级细节。有关更多信息，请参阅审计（治理）信息（工作室）。
- 部署：查看或编辑您的推理图像容器和构成终端节点的实例的位置。有关更多信息，请参阅部署信息（工作室）。

Studio Classic

登录亚马逊 SageMaker Studio 经典版。有关更多信息，请参阅启动 Amazon SageMaker Studio 经典版。
在左侧导航窗格中，选择主页图标 ( )。
选择模型，然后选择模型注册表。
从模型组列表中，选择要查看的模型组的名称。
此时将出现一个新选项卡，其中列出了模型组中的模型版本。
在模型版本列表中，选择您要查看其详细信息的模型版本的名称。
在打开的模型版本选项卡上，选择以下选项之一，以查看有关模型版本的详细信息：
- 活动：显示模型版本的事件，例如批准状态更新。
- 模型质量：报告与 Model Monitor 模型质量检查相关的指标，这些指标将模型预测与 Ground Truth 进行比较。有关 Model Monitor 模型质量检查的更多信息，请参阅监控模型质量。
- 可解释性：报告与 Model Monitor 特征归因检查相关的指标，这些指标比较训练数据与实时数据中特征的相对排名。有关 Model Monitor 可解释性检查的更多信息，请参阅监控生产中模型的特征归因偏移。
- 偏差：报告与 Model Monitor 偏差偏移检查相关的指标，这些指标将比较实时数据与训练数据的分布情况。有关 Model Monitor 偏差偏移检查的更多信息，请参阅监控生产中模型的偏差偏移。
- Inference Recommender：根据您的模型和示例负载提供初始实例建议，以实现出色性能。
- 负载测试：当您提供特定的生产要求（如延迟和吞吐量约束）时，针对您选择的实例类型运行负载测试。
- 推理规范：显示实时推理和转换作业的实例类型，以及有关 Amazon ECR 容器的信息。
- 信息：显示模型版本关联的项目、生成模型的管道、模型组以及模型在 Amazon S3 中的位置等信息。

培训工作信息（工作室）

重要

截至 2023 年 11 月 30 日，之前的亚马逊 SageMaker Studio 体验现在被命名为 Amazon St SageMaker udio Classic。以下部分专门介绍如何使用更新后的 Studio 体验。有关使用 Studio Classic 应用程序的信息，请参见亚马逊 SageMaker Studio 经典版。

您可以向模型中添加一个训练作业，该作业是在外部创建的 SageMaker，也可以是用它创建的。如果您添加 SageMaker 训练作业，则会在 “训练” 选项卡中 SageMaker 预填充所有子页面的字段。如果您添加外部创建的训练作业，则需要手动添加与您的训练作业相关的详细信息。要添加、删除、查看或更新有关您添加的训练作业的信息，请按照本节中的步骤操作。

要向模型包中添加训练作业，请完成以下步骤。

选择 “火车” 选项卡。
选择添加。如果您没有看到此选项，则说明您可能已经附加了培训作业。如果要删除此训练作业，请按照以下说明删除训练作业。
您可以添加您在中创建的训练作业 SageMaker 或在外部创建的训练作业。
1. 要添加您在中创建的训练作业 SageMaker，请完成以下步骤。
  1. 选择SageMaker。
  2. 选中要添加的训练作业旁边的单选框。
  3. 选择添加。
2. 要添加您在外部创建的训练作业，请完成以下步骤。
  1. 选择 Custom (自定义)。
  2. 在名称字段中，插入您的自定义训练作业的名称。
  3. 选择添加。

要从模型包中移除训练作业，请完成以下步骤。

选择训练。
在火车选项卡下选择齿轮 ( ) 图标。
选择您的训练作业旁边的 “删除”。
选择 “是，我想删除” <name of your training job>。
选择完成。

要更新（和查看）与训练作业相关的详细信息，请执行以下操作：

在训练选项卡上，查看训练作业的状态。状态为您Complete是否在模型包中添加了训练作业，Undefined如果没有。
要查看与训练作业相关的详细信息，例如性能、超参数和识别详细信息，请选择训练选项卡。
要更新和查看与模型性能相关的详细信息，请完成以下步骤。
1. 在 “列车” 选项卡的左侧栏中选择 “性能”。
2. 查看与您的训练作业相关的指标。“性能” 页面按名称、值以及您添加的与该指标相关的所有注释列出指标。
3. （可选）要为现有指标添加注释，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 为列出的任何指标添加注释。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
4. 查看与您的训练作业相关的自定义指标。自定义指标的格式与指标类似。
5. （可选）要添加自定义指标，请完成以下步骤。
  1. 选择添加。
  2. 为您的新指标插入名称、值和任何可选备注。
6. （可选）要移除自定义指标，请选择要删除的指标旁边的垃圾桶图标。
7. 在观测值文本框中，查看您添加的与训练作业表现相关的所有注释。
8. （可选）要添加或更新观测值，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 在 “观测值” 文本框中添加或更新您的注释。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与模型构件相关的详细信息，请完成以下步骤。
1. 在 “火车” 选项卡的左侧栏中选择 “神器”。
2. 在位置 (S3 URI) 字段中，查看您的训练数据集的 Amazon S3 位置。
3. 在模型字段中，查看您在训练作业中包含的其他模型的模型构件的名称和 Amazon S3 位置。
4. 要更新 “构件” 页面中的任何字段，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 在任意字段中输入新值。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与超参数相关的详细信息，请完成以下步骤。
1. 在 “列车” 选项卡的左侧栏中选择 “超参数”。
2. 查看 SageMaker 提供的超参数和定义的自定义超参数。列出了每个超参数及其名称和值。
3. 查看您添加的自定义超参数。
4. （可选）要添加其他自定义超参数，请完成以下步骤。
  1. 在 “自定义超参数” 表的右上角，选择 “添加”。将出现两个新的空白字段。
  2. 输入新的自定义超参数的名称和值。这些值会自动保存。
5. （可选）要移除自定义超参数，请选择超参数右侧的垃圾桶图标。
要更新和查看与训练作业环境相关的详细信息，请完成以下步骤。
1. 在 “火车” 选项卡的左侧栏中选择 “环境”。
2. 查看 Amazon ECR URI 位置，了解由您 SageMaker （针对 SageMaker 训练作业）或由您（针对自定义训练作业）添加的任何训练作业容器。
3. （可选）要添加其他训练作业容器，请选择添加，然后输入新训练容器的 URI。
要更新和查看训练作业的训练作业名称和 Amazon 资源名称 (ARN)，请完成以下步骤。
1. 在 “列车” 选项卡的左侧边栏中选择 “详细信息”。
2. 查看训练作业的训练作业名称和训练作业的 ARN。

评估工作信息（工作室）

重要

注册模型后，您可以使用一个或多个数据集测试模型以评估其性能。您可以从 Amazon S3 添加一个或多个评估任务，也可以通过手动输入所有详细信息来定义自己的评估任务。如果您从 Amazon S3 添加任务，则会在 “ SageMaker 评估” 选项卡中预填充所有子页面的字段。如果您定义自己的评估任务，则需要手动添加与评估任务相关的详细信息。

要将您的第一个评估任务添加到模型包中，请完成以下步骤。

选择 “评估” 选项卡。
选择添加。
您可以从 Amazon S3 添加评估任务或自定义评估任务。
1. 要使用来自 Amazon S3 的抵押品添加评估任务，请完成以下步骤。
  1. 选择 S3。
  2. 输入评估作业的名称。
  3. 输入 Amazon S3 的位置，作为评估任务的输出抵押品。
  4. 选择添加。
2. 要添加自定义评估任务，请完成以下步骤：
  1. 选择 Custom (自定义)。
  2. 输入评估作业的名称。
  3. 选择添加。

要向模型包添加其他评估任务，请完成以下步骤。

选择 “评估” 选项卡。
在火车选项卡下选择齿轮 ( ) 图标。
在对话框中，选择 “添加”。
您可以从 Amazon S3 添加评估任务或自定义评估任务。
1. 要使用来自 Amazon S3 的抵押品添加评估任务，请完成以下步骤。
  1. 选择 S3。
  2. 输入评估作业的名称。
  3. 输入 Amazon S3 的位置，作为评估任务的输出抵押品。
  4. 选择添加。
2. 要添加自定义评估任务，请完成以下步骤：
  1. 选择 Custom (自定义)。
  2. 输入评估作业的名称。
  3. 选择添加。

要从模型包中移除评估任务，请完成以下步骤。

选择 “评估” 选项卡。
在火车选项卡下选择齿轮 ( ) 图标。
（可选）要从列表中查找您的评估职位，请在搜索框中输入搜索词以缩小选择列表的范围。
选择评估任务旁边的单选按钮。
选择移除。
选择 “是，我想删除” <name of your evaluation job>。
选择完成。

要更新（和查看）与评估任务相关的详细信息，请执行以下操作：

在评估选项卡上，查看评估作业的状态。状态为您Complete是否在模型包中添加了评估任务，Undefined如果没有。
要查看与评估任务相关的详细信息，例如性能和构件位置，请选择评估选项卡。
要在评估期间更新和查看与模型性能相关的详细信息，请完成以下步骤。
1. 在 “评估” 选项卡边栏中选择 “绩效”。
2. 在 “指标” 列表中查看与您的评估任务相关的指标。指标列表按名称、值以及您添加的与该指标相关的所有注释显示各个指标。
3. 在观察结果文本框中，查看您添加的与评估任务绩效相关的所有注释。
4. 要更新任何指标的任何 “注释” 字段或 “观测值” 字段，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 为任何指标或在 “观测值” 文本框中输入注释。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与评估任务数据集相关的详细信息，请完成以下步骤。
1. 在 “评估” 页面的左侧边栏中选择 “工件”。
2. 查看评估作业中使用的数据集。
3. （可选）要添加数据集，请选择添加并向数据集输入 Amazon S3 URI。
4. （可选）要移除数据集，请选择要移除的数据集旁边的垃圾桶图标。
要查看作业名称和评估作业 ARN，请选择详情。

审计（治理）信息（工作室）

重要

记录重要的模型细节，以帮助您的组织建立强大的模型治理框架。您和您的团队成员可以参考这些详细信息，以便他们将模型用于适当的用例，了解模型的业务领域和所有者，并了解模型风险。您还可以保存有关模型预期性能和性能限制原因的详细信息。

要查看或更新与模型治理相关的详细信息，请完成以下步骤。

在 “审计” 选项卡上，查看模型卡的批准状态。状态可以是以下之一：
- 草稿：模型卡仍然是草稿。
- 待批准：模型卡正在等待批准。
- 已批准：模型卡已获得批准。
要更新模型卡的批准状态，请选择批准状态旁边的下拉菜单，然后选择更新的批准状态。
要更新和查看与您的模型包风险相关的详细信息，请完成以下步骤。
1. 在 “审计” 选项卡的左侧边栏中选择 “风险”。
2. 查看当前风险评级和风险评级解释。
3. 要更新评分或解释，请完成以下步骤。
  1. 选择 “审计” 页面右上角的垂直省略号，然后选择 “编辑”。
  2. （可选）选择更新的风险评级。
  3. （可选）更新风险评级说明。
  4. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与模型包使用情况相关的详细信息，请完成以下步骤。
1. 在 “审计” 选项卡的左侧边栏中选择 “使用情况”。
2. 查看您在以下字段中添加的文本：
  - 问题类型：用于构建模型的机器学习算法类别。
  - 算法类型：用于创建模型的特定算法。
  - 预期用途：模型在您的业务问题中的当前应用。
  - 影响模型功效的因素：有关模型性能限制的注意事项。
  - 推荐用途：您可以使用模型创建的应用程序类型、可以期望获得合理性能的场景或模型中使用的数据类型。
  - 伦理考虑：描述您的模型可能如何根据年龄或性别等因素进行区分。
3. 要更新先前列出的任何字段，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. （可选）如果需要，使用问题类型和算法类型的下拉菜单选择新值。
  3. （可选）更新其余字段中的文本描述。
  4. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与模型包利益相关者相关的详细信息，请完成以下步骤。
1. 在 “审计” 选项卡的左侧栏中选择 “利益相关者”。
2. 查看当前模型所有者和创建者（如果有）。
3. 要更新模型所有者或创建者，请完成以下步骤：
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 更新模型所有者或模型创建者字段。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看与您的模型包所解决的业务问题相关的详细信息，请完成以下步骤。
1. 在 “审计” 选项卡的左侧边栏中选择 “业务”。
2. 查看模型所解决的业务问题、业务问题利益相关者和业务线的当前描述（如果有）。
3. 要更新 “业务” 选项卡中的任何字段，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 更新任何字段中的描述。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
要更新和查看模型的现有文档（以键值对表示），请完成以下步骤。
1. 在 “审计” 页面的左侧栏中选择 “文档”。
2. 查看现有的键值对。
3. 要添加任何键值对，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 选择添加。
  3. 输入新的密钥和关联的值。
  4. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。
4. 要删除任何键值对，请完成以下步骤。
  1. 选择模型版本页面右上角的垂直省略号，然后选择编辑。
  2. 选择要删除的键值对旁边的垃圾桶图标。
  3. 在模型版本页面的顶部，在编辑模型版本... 中选择保存横幅。

部署信息（工作室）

重要

在评估模型性能并确定它已准备好用于生产工作负载之后，您可以更改模型的批准状态以启动 CI/CD 部署。有关批准状态定义的更多信息，请参阅更新模型的批准状态。

要查看或更新与模型包部署相关的详细信息，请完成以下步骤。

在部署选项卡上，查看模型包的批准状态。可能的值可以是以下：
- 待批准：模型已注册，但尚未批准或拒绝部署。
- 已批准：模型已获准部署 CI/CD。如果存在在模型批准事件时启动模型部署的 EventBridge 规则（例如根据 SageMaker 项目模板构建的模型），则 SageMaker 也会部署该模型。
- 已拒绝：模型被拒绝部署。
如果您需要更改批准状态，请选择状态旁边的下拉菜单并选择更新的状态。
要更新模型包的批准状态，请选择批准状态旁边的下拉列表并选择更新的批准状态。
在容器列表中，查看推理图像容器。
在实例列表中，查看构成您的部署终端节点的实例。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

查看模型组和版本

比较模型版本