模型卡常見問答

答案：您可以將模型用於各種商業應用，從預測網路攻擊和核准貸款申請到偵測電子郵件類別。每一個這些申請都假定不同的風險級別。例如，錯誤檢測網路攻擊比錯誤分類電子郵件有更大的業務影響。鑑於模型的這些不同風險概況，您可以使用模型卡來提供模型的low、medium或high的風險評等。如果您不知道您的模型風險，可以將狀態設定為unknown。客戶必須負責為每個模型指派風險概況。根據風險評等，組織可能有不同的規則來將這些模型部署到生產環境中。如需更多資訊，請參閱風險評等。

模型的預定用途描述了您應該如何在生產應用程式中使用模型。這超出了技術需求，例如您應該部署模型的執行個體類型，參考要與模型一起建立的應用程式類型、您可以預期從模型獲得合理效能的情況，或是要與模型搭配使用的資料類型。我們建議在模型卡中提供此資訊，以獲得更好的模型控管。您可以在預期用途欄位中定義一種模型規格，並確保模型開發人員和消費者在訓練和部署其模型時遵循此規格。如需詳細資訊，請參閱模型的預期用途。

使用 SageMaker Python SDK 或 AWS 主控台建立模型卡時，SageMaker AI 會自動填入訓練模型的相關資訊。這包括完整的訓練詳細資訊，以及可透過 describe-model API 呼叫取得的所有模型資訊。如果您在 Amazon SageMaker Studio 中工作，您可以呼叫 DescribeModelPackage API 來自動填入模型卡。

Amazon SageMaker 模型卡具有其定義的結構，無法修改。此結構為您提供指導，了解應在模型卡中得知哪些資訊。雖然您無法變更模型卡的結構，但是透過模型卡的其他資訊區段中的自訂屬性，可以提供一些彈性。

模型卡具有與之相關的版本。特定的模型版本在模型卡狀態以外的全部屬性中是不可變的。如果您對模型卡進行任何其他變更，例如評估指標、描述或預期用途，SageMaker AI 會建立新的模型卡版本，以反映更新的資訊。這是為了確保模型卡一旦建立，就不會被篡改。

每當您在模型登錄檔中變更模型套件版本時，模型卡都會自動更新。

答案：是。您可以為未在 SageMaker AI 中訓練的模型建立模型卡，但卡片中不會自動填入任何資訊。您必須提供非 SageMaker AI 模型的模型卡中所需的所有資訊。

答案：可以。您可以將模型卡的每個版本匯出為 PDF，然後下載並共享。

答：模型卡可透過 SageMaker AI 主控台和模型登錄檔存取。使用模型登錄檔時，您會自動收到每個模型版本的模型卡。

答：模型卡旨在透過遵循 SageMaker AI 的規範指導並提供自己的自訂資訊，為組織提供一種機制，以盡可能詳細地記錄其模型。您可以在機器學習 (ML) 程序開始時引入模型卡，並使用它們來定義模型應該解決的企業問題，以及在使用模型時要考慮的任何事項。訓練模型後，您可以將與該模型相關聯的模型卡填入有關模型及其訓練方式的資訊。模型卡與模型相關聯，模型卡一旦與模型相關聯，就不可變。這樣可以確保與模型相關的所有模型卡資訊來自單一事實來源，包括模型是如何訓練以及應如何使用它。

模型註冊表是儲存模型相關的中繼資料目錄。模型註冊表中的每個項目都對應到唯一的模型版本。該模型版本包含模型的相關資訊，例如模型成品在 Amazon S3 中的儲存位置、部署模型所需的容器，以及應連接至模型的自訂中繼資料。每個模型套件版本都有與其相關聯的模型卡。

答：模型卡已整合至模型登錄檔物件。模型登錄檔中的每個模型套件版本都會連結至其對應的模型卡。您可以使用 ModelPackageModelCard API 存取每個版本的模型卡結構描述。

答：是，模型登錄檔中的模型卡和模型之間有one-to-one的關係。儲存在模型登錄檔中的每個模型版本都只有一個與其相關聯的對應模型卡。

答案：無。您可以透過把指標檔案上傳到 Amazon S3 並將其連結至模型卡，將 SageMaker Model Monitor 運算的效能指標上傳到模型卡，但是 Model Monitor 和模型卡之間無原生的整合。模型儀表板與模型監控整合。如需有關模型儀表板的更多資訊，請參閱 Amazon SageMaker 模型儀表板。