Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Aggiornamento dei dettagli di una versione del modello
Puoi visualizzare e aggiornare i dettagli di una versione specifica del modello utilizzando la console AWS SDK per Python (Boto3) o Amazon SageMaker Studio.
**Importante**
Amazon SageMaker AI integra Model Cards nel Model Registry. Un pacchetto di modelli registrato nel registro dei modelli include come componente una scheda del modello semplificata. Per ulteriori informazioni, consulta [Schema della scheda del modello del pacchetto di modelli (Studio)](#model-card-schema).
## Visualizzazione e aggiornamento dei dettagli di una versione del modello (Boto3)
Per visualizzare i dettagli di una versione del modello usando boto3, completa la seguente procedura.
1. Chiama l’operazione API `list_model_packages` per visualizzare le versioni del modello in un gruppo di modelli.
```
sm_client.list_model_packages(ModelPackageGroupName="ModelGroup1")
```
La risposta è un elenco riepilogativo dei pacchetti di modelli. Puoi ottenere il nome della risorsa Amazon (ARN) delle versioni del modello da questo elenco.
```
{'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}}
```
1. Richiama `describe_model_package` per i dettagli della versione del modello. Puoi trasmettere l'ARN di una versione del modello da cui hai ricevuto l'output della chiamata a `list_model_packages`.
```
sm_client.describe_model_package(ModelPackageName="arn:aws:sagemaker:us-east-2:123456789012:model-package/ModelGroup1/1")
```
L'output di questa chiamata è un oggetto JSON con i dettagli della versione del modello.
```
{'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}}
```
### Schema della scheda del modello del pacchetto di modelli (Studio)
Tutti i dettagli relativi alla versione del modello sono inclusi nella scheda del modello del pacchetto di modelli. La scheda modello di un pacchetto modello è un uso speciale della Amazon SageMaker Model Card e il suo schema è semplificato. Lo schema della scheda del modello del pacchetto di modelli è mostrato nell’elenco a discesa espandibile seguente.
#### Schema della scheda del modello del pacchetto di modelli
```
{
"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 AI account or an algorithm in Marketplace AWS 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
}
}
}
```
## Visualizzazione e aggiornamento dei dettagli di una versione del modello (Studio o Studio Classic)
Per visualizzare e aggiornare i dettagli di una versione del modello, completa la procedura seguente a seconda che utilizzi Studio o Studio Classic. In Studio Classic, puoi aggiornare lo stato di approvazione per una versione del modello. Per informazioni dettagliate, vedi [Aggiornamento dello stato di approvazione di un modello](model-registry-approve.md). In Studio, invece, l' SageMaker intelligenza artificiale crea una scheda modello per un pacchetto modello e l'interfaccia utente della versione del modello offre opzioni per aggiornare i dettagli nella scheda modello.
------
#### [ Studio ]
1. Apri la console SageMaker Studio seguendo le istruzioni in [Launch Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html).
1. Nel riquadro di navigazione a sinistra scegli **Modelli** dal menu.
1. Scegli la scheda **Modelli registrati**, se non è già selezionata.
1. Immediatamente sotto l’etichetta della scheda **Modelli registrati**, scegli **Gruppi di modelli**, se non è già selezionato.
1. Seleziona il nome del gruppo di modelli che contiene la versione del modello da visualizzare.
1. Nell’elenco delle versioni del modello, seleziona la versione del modello da visualizzare.
1. Scegli una delle seguenti schede.
+ **Addestramento**: per visualizzare o modificare i dettagli relativi al job di addestramento, come le metriche delle prestazioni, gli artefatti, il ruolo e la crittografia IAM e i container. Per ulteriori informazioni, consulta [Aggiunta di un job di addestramento (Studio)](model-registry-details-studio-training.md).
+ **Valutazione**: per visualizzare o modificare i dettagli relativi al job di addestramento, come le metriche delle prestazioni, i set di dati di valutazione e la sicurezza. Per ulteriori informazioni, consulta [Aggiunta di un processo di valutazione (Studio)](model-registry-details-studio-evaluate.md).
+ **Verifica**: per visualizzare o modificare i dettagli generali relativi allo scopo aziendale, all’uso e al rischio, nonché i dettagli tecnici come gli algoritmi e le limitazioni delle prestazioni. Per ulteriori informazioni, consulta [Aggiornamento delle informazioni di audit (governance) (Studio)](model-registry-details-studio-audit.md).
+ **Implementazione**: per visualizzare o modificare la posizione delle istanze e del container di immagini di inferenza che compongono l’endpoint. Per ulteriori informazioni, consulta [Aggiornamento delle informazioni sull’implementazione (Studio)](model-registry-details-studio-deploy.md).
------
#### [ Studio Classic ]
1. Accedi ad Amazon SageMaker Studio Classic. Per ulteriori informazioni, consulta [Launch Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html).
1. Nel riquadro di navigazione a sinistra, scegli l’icona **Home** ( ![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/icons/house.png) ).
1. Scegli **Modelli**, quindi **Registro dei modelli**.
1. Dall'elenco dei gruppi di modelli, seleziona il nome del gruppo di modelli da eliminare.
1. Viene visualizzata una nuova scheda con un elenco delle versioni del modello nel gruppo di modelli.
1. Nell'elenco delle versioni del modello, seleziona il nome della versione del modello di cui desideri visualizzare i dettagli.
1. Nella scheda della versione del modello che si apre, scegli una delle seguenti opzioni per visualizzare i dettagli sulla versione del modello:
+ **Attività**: mostra gli eventi relativi alla versione del modello, come gli aggiornamenti dello stato di approvazione.
+ **Qualità del modello**: riporta le metriche relative ai controlli di qualità dei modelli Model Monitor, che confrontano le previsioni del modello con Ground Truth. Per ulteriori informazioni sui controlli di qualità dei modelli Model Monitor, consulta [Qualità del modello](model-monitor-model-quality.md).
+ **Spiegabilità**: riporta le metriche relative ai controlli di attribuzione delle funzionalità di Model Monitor, che confrontano il posizionamento relativo delle funzionalità nei dati di addestramento con quello dei dati in tempo reale. Per ulteriori informazioni sui controlli di spiegabilità di Model Monitor, consulta [Deriva dell’attribuzione delle funzionalità per i modelli in produzione](clarify-model-monitor-feature-attribution-drift.md).
+ **Bias**: riporta le metriche relative ai controlli di distorsione di Model Monitor, che confrontano la distribuzione dei dati in tempo reale con i dati di addestramento. Per ulteriori informazioni sui controlli di distorsione di Model Monitor, consulta [Deriva dei bias per i modelli in produzione](clarify-model-monitor-bias-drift.md).
+ **Raccomandazione di inferenza**: fornisce consigli sulle istanze iniziali per prestazioni ottimali in base al modello e ai carichi di lavoro del campione.
+ **Test di carico**: esegue test di carico sui tipi di istanze prescelti quando fornisci requisiti di produzione specifici, come vincoli di latenza e velocità effettiva.
+ **Specifiche di inferenza**: visualizza i tipi di istanze per i processi di inferenza e trasformazione in tempo reale e le informazioni sui container Amazon ECR.
+ **Informazioni**: mostra informazioni quali il progetto a cui è associata la versione del modello, la pipeline che ha generato il modello, il gruppo di modelli e la posizione del modello in Amazon S3.
------
# Aggiunta di un job di addestramento (Studio)
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta [Amazon SageMaker Studio Classic](studio.md).
Puoi aggiungere un processo di formazione, creato esternamente o con l' SageMaker intelligenza artificiale, al tuo modello. **Se aggiungi un lavoro di SageMaker formazione, l' SageMaker intelligenza artificiale precompila i campi per tutte le sottopagine della scheda Treno.** Se aggiungi un job di addestramento creato esternamente, devi aggiungere manualmente i dettagli relativi al tuo job di addestramento.
**Per aggiungere un job di addestramento al pacchetto di modelli, procedi come segue.**
1. Scegli la scheda **Addestra**.
1. Scegliere **Aggiungi**. Se non vedi questa opzione, un job di addestramento potrebbe essere già collegato. Per rimuoverlo, completa le istruzioni seguenti.
1. Puoi aggiungere un lavoro di formazione creato in SageMaker AI o un lavoro di formazione creato esternamente.
1. Per aggiungere un lavoro di formazione creato in SageMaker AI, completa i seguenti passaggi.
1. Scegli **SageMaker AI**.
1. Seleziona la casella di opzione accanto al job di addestramento che desideri aggiungere.
1. Scegliere **Aggiungi**.
1. Per aggiungere un job di addestramento creato esternamente, procedi come segue.
1. Scegli **Custom (Personalizzato)**.
1. Nel campo **Nome**, inserisci il nome del tuo job di addestramento personalizzato.
1. Scegliere **Aggiungi**.
# Rimozione di un job di addestramento (Studio)
Puoi rimuovere un processo di formazione, creato esternamente o con l' SageMaker intelligenza artificiale, dal tuo modello completando i seguenti passaggi.
**Per rimuovere un job di addestramento dal pacchetto di modelli, procedi come segue.**
1. Scegli **Addestra**.
1. Scegli l’icona a forma di **ingranaggio** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/icons/Settings_squid.png)) nella scheda **Addestra**.
1. Scegli **Rimuovi** accanto al job di addestramento.
1. Scegli **Sì, voglio rimuovere **.
1. Seleziona **Fatto**.
# Aggiornamento dei dettagli del job di addestramento (Studio)
Completa i seguenti passaggi per aggiornare i dettagli di un processo di formazione, creato esternamente o con l' SageMaker intelligenza artificiale, associato al tuo modello.
**Per aggiornare (e visualizzare) i dettagli relativi al job di addestramento:**
1. Nella scheda **Addestra**, visualizza lo stato del job di addestramento. Lo stato è `Complete` se hai aggiunto un job di addestramento al tuo pacchetto di modelli e `Undefined` in caso contrario.
1. Per visualizzare i dettagli relativi al tuo job di addestramento, come prestazioni, iperparametri e dettagli identificativi, scegli la scheda **Addestra**.
1. Per aggiornare e visualizzare i dettagli relativi alle prestazioni del modello, procedi come segue.
1. Scegli **Prestazioni** nella barra laterale sinistra della scheda **Addestra**.
1. Visualizza le **metriche** relative al tuo job di addestramento. La pagina **Prestazioni** elenca le metriche per nome, valore ed eventuali note aggiunte relative alla metrica.
1. (Facoltativo) Per aggiungere note alle metriche esistenti, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Aggiungi note a una qualsiasi delle metriche elencate.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Visualizza le **metriche personalizzate** relative al tuo job di addestramento. Le metriche personalizzate sono formattate in modo simile alle metriche.
1. (Facoltativo) Per aggiungere metriche personalizzate, procedi come segue.
1. Scegliere **Aggiungi**.
1. Inserisci un nome, un valore ed eventuali note facoltative per la nuova metrica.
1. (Facoltativo) Per rimuovere le metriche personalizzate, scegli l’icona **Cestino** accanto alla metrica da rimuovere.
1. Nella casella di testo **Osservazioni**, visualizza tutte le note che hai aggiunto relative alle prestazioni del tuo job di addestramento.
1. (Facoltativo) Per aggiungere o aggiornare le osservazioni, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Aggiungi o aggiorna le tue note nella casella di testo **Osservazioni**.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi agli artefatti del modello, procedi come segue.
1. Scegli **Artefatti** nella barra laterale sinistra della scheda **Addestra**.
1. Nel campo **Posizione (URI S3)**, visualizza la posizione Amazon S3 dei tuoi set di dati di addestramento.
1. Nel campo **Modelli**, visualizza il nome e le posizioni Amazon S3 degli artefatti del modello relativi ad altri modelli che hai incluso nel job di addestramento.
1. Per aggiornare qualsiasi campo nella pagina **Artefatti**, procedi come segue.
1. Scegli l’icona con tre puntini verticali in alto a destra nella pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Inserisci i nuovi valori in uno qualsiasi dei campi.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi agli iperparametri, procedi come segue.
1. Scegli **Iperparametri** nella barra laterale sinistra della scheda **Addestra**.
1. Visualizza l' SageMaker intelligenza artificiale fornita e gli iperparametri personalizzati definiti. Ogni iperparametro è elencato con il suo nome e il suo valore.
1. Visualizza gli iperparametri personalizzati che hai aggiunto.
1. (Facoltativo) Per aggiungere un ulteriore iperparametro personalizzato, procedi come segue.
1. Nell’angolo in alto a destra della tabella **Iperparametri personalizzati**, scegli **Aggiungi**. Vengono visualizzati un paio di nuovi campi vuoti.
1. Immetti il nome e il valore del nuovo iperparametro personalizzato. Questi valori vengono salvati automaticamente.
1. (Facoltativo) Per rimuovere un iperparametro personalizzato, scegli l’icona **Cestino** a destra dell’iperparametro.
1. Per aggiornare e visualizzare i dettagli relativi all’ambiente del job di addestramento, procedi come segue.
1. Scegli **Ambiente** nella barra laterale sinistra della scheda **Addestra**.
1. Visualizza le posizioni URI di Amazon ECR per qualsiasi contenitore di lavoro di formazione aggiunto dall' SageMaker IA (per un lavoro di SageMaker formazione) o da te (per un lavoro di formazione personalizzato).
1. (Facoltativo) Per aggiungere un container di job di addestramento aggiuntivo, scegli **Aggiungi**, quindi inserisci l’URI del nuovo container di addestramento.
1. Per aggiornare e visualizzare il nome del job di addestramento e i nomi delle risorse Amazon (ARN) per il job di addestramento, procedi come segue.
1. Scegli **Dettagli** nella barra laterale sinistra della scheda **Addestra**.
1. Visualizza il nome e l’ARN del job di addestramento.
# Aggiunta di un processo di valutazione (Studio)
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta [Amazon SageMaker Studio Classic](studio.md).
Dopo aver registrato il modello, puoi testarlo con uno o più set di dati per valutarne le prestazioni. Puoi aggiungere uno o più processi di valutazione da Amazon S3 o definire il tuo processo di valutazione inserendo manualmente tutti i dettagli. **Se aggiungi un lavoro da Amazon S3, SageMaker AI precompila i campi per tutte le sottopagine nella scheda Evaluate.** Se definisci il tuo processo di valutazione, devi aggiungere manualmente i dettagli di tale processo.
**Per aggiungere il tuo primo processo di valutazione al pacchetto di modelli, procedi come segue.**
1. Scegli la scheda **Valuta**.
1. Scegliere **Aggiungi**.
1. Puoi aggiungere un processo di valutazione da Amazon S3 o un processo di valutazione personalizzato.
1. Per aggiungere un processo di valutazione con materiale collaterale da Amazon S3, procedi come segue.
1. Scegli **S3**.
1. Inserisci un nome per il processo di valutazione.
1. Inserisci la posizione Amazon S3 tra i materiali collaterali di output del tuo processo di valutazione.
1. Scegliere **Aggiungi**.
1. Per aggiungere un processo di valutazione personalizzato, procedi come descritto di seguito:
1. Scegli **Custom (Personalizzato)**.
1. Inserisci un nome per il processo di valutazione.
1. Scegliere **Aggiungi**.
**Per aggiungere un ulteriore processo di valutazione al pacchetto di modelli, procedi come segue.**
1. Scegli la scheda **Valuta**.
1. Scegli l’icona a forma di **ingranaggio** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/icons/Settings_squid.png)) nella scheda **Addestra**.
1. Nella finestra di dialogo, scegli **Aggiungi**.
1. Puoi aggiungere un processo di valutazione da Amazon S3 o un processo di valutazione personalizzato.
1. Per aggiungere un processo di valutazione con materiale collaterale da Amazon S3, procedi come segue.
1. Scegli **S3**.
1. Inserisci un nome per il processo di valutazione.
1. Inserisci la posizione Amazon S3 tra i materiali collaterali di output del tuo processo di valutazione.
1. Scegliere **Aggiungi**.
1. Per aggiungere un processo di valutazione personalizzato, procedi come descritto di seguito:
1. Scegli **Custom (Personalizzato)**.
1. Inserisci un nome per il processo di valutazione.
1. Scegliere **Aggiungi**.
# Rimozione di un processo di valutazione (Studio)
Puoi rimuovere un lavoro di valutazione, creato esternamente o con l' SageMaker intelligenza artificiale, dal tuo modello completando i seguenti passaggi.
**Per rimuovere un processo di valutazione dal pacchetto di modelli, procedi come segue.**
1. Scegli la scheda **Valuta**.
1. Scegli l’icona a forma di **ingranaggio** (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/icons/Settings_squid.png)) nella scheda **Addestra**.
1. (Facoltativo) Per trovare il processo di valutazione nell’elenco, inserisci un termine nella casella di ricerca per limitare le possibili scelte.
1. Scegli il pulsante di opzione accanto al processo di valutazione.
1. Scegli **Rimuovi**.
1. Scegli **Sì, voglio rimuovere **.
1. Seleziona **Fatto**.
# Aggiornamento di un processo di valutazione (Studio)
Completa i seguenti passaggi per aggiornare i dettagli di un lavoro di valutazione, creato esternamente o con l' SageMaker intelligenza artificiale, associato al tuo modello.
**Per aggiornare (e visualizzare) i dettagli relativi al processo di valutazione:**
1. Nella scheda **Valuta**, visualizza lo stato del processo di valutazione. Lo stato è `Complete` se hai aggiunto un processo di valutazione al tuo pacchetto di modelli e `Undefined` in caso contrario.
1. Per visualizzare i dettagli relativi al processo di valutazione, come le prestazioni e la posizione degli artefatti, scegli la scheda **Valuta**.
1. Per aggiornare e visualizzare i dettagli relativi alle prestazioni del modello durante la valutazione, procedi come segue.
1. Scegli **Prestazioni** nella barra laterale della scheda **Valuta**.
1. Visualizza le metriche relative al tuo processo di valutazione nell’elenco delle **metriche**. L’elenco delle **metriche** mostra le singole metriche per nome, valore ed eventuali note aggiunte relative alla metrica.
1. Nella casella di testo **Osservazioni**, visualizza tutte le note che hai aggiunto relative alle prestazioni del tuo processo di valutazione.
1. Per aggiornare uno dei campi **Note** per qualsiasi metrica o il campo **Osservazioni**, procedi come segue.
1. Scegli l’icona con tre puntini verticali in alto a destra nella pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Inserisci le note per qualsiasi metrica o nella casella di testo **Osservazioni**.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi ai set di dati del processo di valutazione, procedi come segue.
1. Scegli **Artefatti** nella barra laterale sinistra della pagina **Valuta**.
1. Visualizza i set di dati utilizzati nel tuo processo di valutazione.
1. (Facoltativo) Per aggiungere un set di dati, scegli **Aggiungi** e inserisci un URI Amazon S3 nel set di dati.
1. (Facoltativo) Per rimuovere un set di dati, scegli l’icona **Cestino** accanto al set di dati da rimuovere.
1. Per visualizzare il nome e l’ARN del processo di valutazione, scegli **Dettagli**.
# Aggiornamento delle informazioni di audit (governance) (Studio)
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta [Amazon SageMaker Studio Classic](studio.md).
Documenta i dettagli importanti del modello per aiutare l’organizzazione a stabilire un solido framework di governance dei modelli. Tu e i membri del tuo team potete fare riferimento a queste informazioni per utilizzare il modello per i casi d’uso appropriati, conoscere il dominio aziendale e i proprietari del modello e comprendere i rischi del modello. Inoltre, puoi salvare i dettagli sulle prestazioni previste del modello e sui motivi delle limitazioni delle prestazioni.
**Per visualizzare o aggiornare i dettagli relativi alla governance del modello, procedi come segue.**
1. Nella scheda **Audit**, visualizza lo stato di approvazione della scheda del modello. Lo stato può essere uno dei seguenti:
+ **Bozza**: la scheda del modello è ancora una bozza.
+ **In attesa di approvazione**: la scheda del modello è in attesa di approvazione.
+ **Approvata**: la scheda del modello è approvata.
1. Per aggiornare lo stato di approvazione della scheda del modello, scegli il menu a discesa accanto allo stato di approvazione e seleziona lo stato di approvazione aggiornato.
1. Per aggiornare e visualizzare i dettagli relativi ai rischi associati al pacchetto di modelli, procedi come segue.
1. Scegli **Rischio** nella barra laterale sinistra della scheda **Audit**.
1. Visualizza l’attuale valutazione del rischio e la relativa spiegazione.
1. Per aggiornare la valutazione o la spiegazione, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina **Audit**, quindi seleziona **Modifica**.
1. (Facoltativo) Scegli una valutazione del rischio aggiornata.
1. (Facoltativo) Aggiorna la spiegazione della valutazione del rischio.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi all’utilizzo del pacchetto di modelli, procedi come segue.
1. Scegli **Utilizzo** nella barra laterale sinistra della scheda **Audit**.
1. Visualizza il testo che hai aggiunto nei seguenti campi:
+ **Tipo di problema**: la categoria dell’algoritmo di machine learning utilizzato per creare il modello.
+ **Tipo di algoritmo**: l’algoritmo specifico utilizzato per creare il modello.
+ **Usi previsti**: l’attuale applicazione del modello per risolvere il problema aziendale.
+ **Fattori che influiscono sull’efficacia del modello**: note sui limiti delle prestazioni del modello.
+ **Utilizzo consigliato**: i tipi di applicazioni che puoi creare con il modello, gli scenari in cui puoi aspettarti prestazioni ragionevoli o il tipo di dati da utilizzare con il modello.
+ **Considerazioni etiche**: una descrizione di come il modello potrebbe discriminare in base a fattori quali l’età o il sesso.
1. Per aggiornare uno dei campi elencati in precedenza, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. (Facoltativo) Utilizza i menu a discesa per **Tipo di problema** e **Tipo di algoritmo** per selezionare nuovi valori, se necessario.
1. (Facoltativo) Aggiorna le descrizioni testuali nei campi rimanenti.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi alle parti interessate del pacchetto di modelli, procedi come segue.
1. Scegli **Parti interessate** nella barra laterale sinistra della scheda **Audit**.
1. Visualizza l’attuale proprietario e creatore del modello, se presente.
1. Per aggiornare il proprietario o il creatore del modello, procedi come descritto di seguito:
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Aggiorna i campi del proprietario o del creatore del modello.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare i dettagli relativi al problema aziendale affrontato dal pacchetto di modelli, procedi come segue.
1. Scegli **Business** nella barra laterale sinistra della scheda **Audit**.
1. Visualizza le descrizioni correnti, se disponibili, del problema aziendale affrontato dal modello, delle parti interessate al problema e della linea di business.
1. Per aggiornare qualsiasi campo nella scheda **Azienda**, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Aggiorna le descrizioni in uno qualsiasi dei campi.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per aggiornare e visualizzare la documentazione esistente (rappresentata come coppie chiave-valore) per il tuo modello, procedi come segue.
1. Scegli **Documentazione** nella barra laterale sinistra della pagina **Audit**.
1. Visualizza le coppie chiave-valore esistenti.
1. Per aggiungere coppie chiave-valore, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Scegliere **Aggiungi**.
1. Inserisci una nuova chiave e il valore associato.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
1. Per rimuovere le coppie chiave-valore, procedi come segue.
1. Scegli l’icona con tre puntini verticali nell’angolo in alto a destra della pagina delle versioni del modello, quindi seleziona **Modifica**.
1. Scegli l’icona del **cestino** accanto alla coppia chiave-valore da rimuovere.
1. Nella parte superiore della pagina della versione del modello, scegli **Salva** nel banner **Modifica della versione del modello…**.
# Aggiornamento delle informazioni sull’implementazione (Studio)
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta [Amazon SageMaker Studio Classic](studio.md).
Dopo aver valutato le prestazioni del modello e stabilito che è pronto per l'uso per i carichi di lavoro di produzione, puoi modificare lo stato di approvazione del modello per avviare CI/CD la distribuzione. Per ulteriori informazioni sulle definizioni dello stato di approvazione, consulta [Aggiornamento dello stato di approvazione di un modello](model-registry-approve.md).
**Per visualizzare o aggiornare i dettagli relativi all’implementazione del pacchetto di modelli, procedi come segue.**
1. Nella scheda **Implementa**, visualizza lo stato di approvazione del pacchetto di modelli. I valori possibili sono i seguenti:
+ **Approvazione in sospeso**: il modello è registrato ma non ancora approvato o rifiutato per l’implementazione.
+ **Approvato**: il modello è approvato per l’implementazione CI/CD. Se esiste una EventBridge regola che avvia la distribuzione del modello in seguito a un evento di approvazione del modello, come nel caso di un modello creato a partire da un modello di progetto di SageMaker intelligenza artificiale, anche l' SageMaker IA implementa il modello.
+ **Rifiutato**: il modello viene rifiutato per l’implementazione.
Se devi modificare lo stato di approvazione, scegli il menu a discesa accanto allo stato e seleziona lo stato aggiornato.
1. Per aggiornare lo stato di approvazione del pacchetto di modelli, scegli l’elenco a discesa accanto allo stato di approvazione e seleziona lo stato di approvazione aggiornato.
1. Nell’elenco **Container**, visualizza i container di immagini di inferenza.
1. Nell’elenco delle **istanze**, visualizza le istanze che compongono l’endpoint di implementazione.