本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Studio 中部署模型
<a name="model-registry-deploy-studio"></a>

注册模型版本并批准其部署后，将其部署到 Amazon A SageMaker I 终端节点以进行实时推理。您可以[用 Python 从注册表部署模型](model-registry-deploy.md)或在 Amazon SageMaker Studio 中部署您的模型。下面将说明如何在 Studio 中部署模型。

此功能在 Amazon SageMaker Studio Classic 中不可用。
+ 如果 Studio 是您的默认体验，则用户界面与 [亚马逊 SageMaker Studio 界面概述](studio-updated-ui.md) 中的映像类似。
+ 如果 Studio Classic 是您的默认体验，则用户界面与 [亚马逊 SageMaker Studio 经典用户界面概述](studio-ui.md) 中的映像类似。

在部署模型软件包之前，模型软件包必须满足以下要求：
+ 可用的有效推理规范。请参阅[InferenceSpecification](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModelPackage.html#sagemaker-CreateModelPackage-request-InferenceSpecification)了解更多信息。
+ 已获批准的模型。请参阅[更新模型的批准状态](model-registry-approve.md)了解更多信息。

下面将说明如何在 Studio 中部署模型。

**要在 Studio 中部署模型**

1. 按照 [启动亚马逊 SageMaker Studio](studio-updated-launch.md) 中的说明打开 Studio 管理控制台。

1. 从左侧导航窗格中选择**模型**。

1. 如果尚未选择**已注册模型**选项卡，请选择该选项卡。

1. 在**已注册模型**选项卡标签下方，选择**模型组**（如果尚未选择）。

1. （可选）如果有与您共享的模型，您可以选择**我的模型**或**与我共享的模型**。

1. 选择已注册模型的复选框。如果满足上述要求，就可以选择**部署**按钮。

1. 选择**部署**打开**部署模型到端点**页面。

1. 在**端点设置**中配置部署资源。

1. 验证设置后，选择**部署**。然后，模型将以**服务中**状态部署到端点。

对于`us-east-1``us-west-2``ap-northeast-1`、、和`eu-west-1`区域，您可以使用以下说明部署模型：

**要在 Studio 中部署模型**

1. 按照 [启动亚马逊 SageMaker Studio](studio-updated-launch.md) 中的说明打开 Studio 管理控制台。

1. 从左侧导航窗格中选择**模型**。

1. 选择 “**我的模型**” 选项卡。

1. 如果尚未选择，请选择已记录的**模型**选项卡。

1. 选择一个型号并选择 “**查看最新版本**”。

1. 选择 “**部署**”，然后在 SageMaker AI 或 Amazon Bedrock 之间进行选择。

1. 验证设置后，选择**部署**。然后，模型将以**服务中**状态部署到端点。