我应该如何对 sagemaker 模型进行版本控制？

Question

所以我有一个预训练的 ML 模型存储在 S3 存储桶中（名称

example.tar.gz

），我有一个管道，它将运行 terraform 通过在 SageMaker 上使用此文件来创建模型并获得预测，我的问题是什么SageMaker 上创建的模型版本控制的最佳实践？

我的想法是我手动将此模型工件设置为

example-v1.tar.gz

之类的名称，这意味着这是我们将部署的第一个工件，然后因为我的管道可以对terraform代码进行版本控制（构建一个

terraform-v1.0.0.zip

文件），然后执行此文件以在 SageMaker 上创建模型，我的问题基本上是我应该在 SageMaker 上使用

model-v1

作为模型名称，还是应该经常更新此模型名称，就像每次有新版本的 terraform zip 文件时，我们使用相同的版本号SageMaker 上的模型名称 (

model-v1.0.0

)？

我是机器学习模型部署的新手，对此有点困惑，希望这是有道理的，有人可以帮助我吗？谢谢。

Answer 1

您可以使用 Sagemaker Model Registry 注册您的模型和版本控制：aws doc

使用示例：

# Specify the model source
model_url = "s3://your-bucket-name/model.tar.gz"

modelpackage_inference_specification =  {
    "InferenceSpecification": {
      "Containers": [
         {
            "Image": '257758044811.dkr.ecr.us-east-2.amazonaws.com/sagemaker-xgboost:1.2-1',
        "ModelDataUrl": model_url
         }
      ],
      "SupportedContentTypes": [ "text/csv" ],
      "SupportedResponseMIMETypes": [ "text/csv" ],
   }
 }

# Alternatively, you can specify the model source like this:
# modelpackage_inference_specification["InferenceSpecification"]["Containers"][0]["ModelDataUrl"]=model_url

create_model_package_input_dict = {
    "ModelPackageGroupName" : model_package_group_name,
    "ModelPackageDescription" : "Model to detect 3 different types of irises (Setosa, Versicolour, and Virginica)",
    "ModelApprovalStatus" : "PendingManualApproval"
}
create_model_package_input_dict.update(modelpackage_inference_specification)