View a markdown version of this page

Untersuchen Sie Berichte auf Abweichungen von Featuresattributen in Produktionsmodellen - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Untersuchen Sie Berichte auf Abweichungen von Featuresattributen in Produktionsmodellen

Anmerkung

Amazon SageMaker Model Monitor steht neuen Kunden nicht mehr offen. Bestehende Kunden können den Service weiterhin wie gewohnt nutzen. AWS investiert weiterhin in Sicherheits- und Verfügbarkeitsverbesserungen für Model Monitor, wir planen jedoch nicht, neue Funktionen einzuführen. Weitere Informationen finden Sie unter Änderung der Verfügbarkeit von Amazon SageMaker Model Monitor.

Nachdem der Zeitplan, den Sie eingerichtet haben, standardmäßig gestartet wurde, müssen Sie warten, bis die erste Ausführung gestartet wird, und den Zeitplan dann beenden, um Gebühren zu vermeiden.

Um die Berichte einzusehen, verwenden Sie den folgenden Code:

schedule_desc = model_explainability_monitor.describe_schedule()
execution_summary = schedule_desc.get("LastMonitoringExecutionSummary")
if execution_summary and execution_summary["MonitoringExecutionStatus"] in ["Completed", "CompletedWithViolations"]:
    last_model_explainability_monitor_execution = model_explainability_monitor.list_executions()[-1]
    last_model_explainability_monitor_execution_report_uri = last_model_explainability_monitor_execution.output.destination
    print(f'Report URI: {last_model_explainability_monitor_execution_report_uri}')
    last_model_explainability_monitor_execution_report_files = sorted(S3Downloader.list(last_model_explainability_monitor_execution_report_uri))
    print("Found Report Files:")
    print("\n ".join(last_model_explainability_monitor_execution_report_files))
else:
    last_model_explainability_monitor_execution = None
    print("====STOP==== \n No completed executions to inspect further. Please wait till an execution completes or investigate previously reported failures.")

Falls es im Vergleich zum Ausgangswert Verstöße gibt, werden diese hier aufgelistet:

if last_model_explainability_monitor_execution:
    model_explainability_violations = last_model_explainability_monitor_execution.constraint_violations()
    if model_explainability_violations:
        print(model_explainability_violations.body_dict)

Wenn Ihr Modell auf einem Echtzeit-Endpunkt bereitgestellt wird, können Sie in SageMaker Studio Visualisierungen der Analyseergebnisse und CloudWatch Metriken sehen, indem Sie die Registerkarte Endpunkte auswählen und dann auf den Endpunkt doppelklicken.