本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 模型儀表板常見問題
<a name="model-dashboard-faqs"></a>

如需有關 Amazon SageMaker 模型儀表板的常見問題解答，請參閱下列常見問題主題。

## 問題：什麼是模型儀表板？
<a name="model-dashboard-faqs-whatis"></a>

Amazon SageMaker 模型儀表板是您帳戶中建立之所有模型的集中式儲存庫。模型通常是輸出 SageMaker 訓練工作，但您也可以匯入在其他地方訓練的模型，並將其在 SageMaker AI 上託管。Model Dashboard 為 IT 管理員、模型風險管理員和業務領導者提供單一界面，以追蹤所有部署的模型，並彙總來自多個 AWS 服務的資料，以提供模型效能指標。您可以檢視有關模型端點、批次轉換工作和監控工作的詳細資料，以取得模型效能的其他見解。儀表板的視覺化顯示可協助您快速識別哪些模型有遺失或非作用中的監控器，因此您可以確保定期檢查所有模型是否有資料偏離、模型偏離、偏差偏離和特徵歸因偏離。最後，儀表板可隨時存取模型詳細資料，協助您深入瞭解，以便存取日誌、基礎設施相關資訊和資源，協助您偵錯監控失敗。

## 問題：要使用模型儀表板有哪些先決條件？
<a name="model-dashboard-faqs-access"></a>

您應該在 SageMaker AI 中建立一個或多個模型，這些模型是在 SageMaker AI 上訓練或在外部訓練。雖然這不是必要的先決條件，但是如果透過 Amazon SageMaker Model Monitor 為部署到端點的模型設定模型監控任務，您可以從儀表板獲得最大的價值。

## 問題：誰應該使用模型儀表板？
<a name="model-dashboard-faqs-users"></a>

模型風險管理員、機器學習 (ML) 從業人員、資料科學家和企業領導者可以使用模型儀表板取得模型的全方位概觀。儀表板彙總並顯示來自 Amazon SageMaker 模型卡、端點和模型監控服務的資料，顯示有價值的資訊，例如來自模型卡和模型註冊表的模型中繼資料、部署模型的端點，以及來自模型監控的深入分析。

## 問題：如何使用模型儀表板？
<a name="model-dashboard-faqs-how"></a>

模型儀表板可在 Amazon SageMaker AI 中立即可用，不需要任何事先設定組態。但是，如果您已使用 SageMaker Model Monitor 和 Clarify 設定模型監控工作，則可以使用 Amazon CloudWatch 設定警示，以便在模型效能偏離可接受的範圍時，儀表板中會顯示警示。您可以建立新的模型卡片並將其新增至儀表板，並檢視與端點相關聯的所有監控結果。模型儀表板目前不支援跨帳戶模型。

## 問題：什麼是 Amazon SageMaker Model Monitor？
<a name="model-dashboard-faqs-what"></a>

使用 Amazon SageMaker Model Monitor，您可以選取要監控和分析的資料，而無需撰寫任何程式碼。SageMaker Model Monitor 可讓您從選項功能表中選取資料 (例如預測輸出)，並擷取時間戳記、模型名稱和端點等中繼資料，以便您分析模型預測。在進行大量即時預測的情況下，您可以將資料擷取的取樣率指定為整體流量的百分比。此資料會儲存在您自己的 Amazon S3 儲存貯體中。您也可以加密這些資料、設定精細的安全性、定義資料保留政策，並實施存取控制機制以確保安全存取。

## 問：SageMaker AI 支援哪些類型的模型監控？
<a name="model-dashboard-faqs-types"></a>

SageMaker Model Monitor 提供下列類型的[模型監控](https://docs.aws.amazon.com/sagemaker/latest/dg/model-monitor.html)：
+ *資料品質*：監控資料品質的偏離。
+ *模型品質*：監控模型品質指標中的偏離，例如準確度。
+ *生產模型的偏差偏離*：透過比較訓練和即時資料的分布來監控模型預測中的偏差。
+ *生產模型的特徵歸因偏離*：透過比較訓練和即時資料中圖徵的相對排名來監控特徵歸因中的偏離。

## 問題：SageMaker Model Monitor 支援哪些推論方法？
<a name="model-dashboard-faqs-inference"></a>

目前支援託管即時推論的單一模型端點，不支援監控[多模型端點](https://docs.aws.amazon.com/sagemaker/latest/dg/multi-model-endpoints.html)。

## 問題：如何開始使用 SageMaker Model Monitor？
<a name="model-dashboard-faqs-get-started"></a>

您可以使用下列資源開始使用模型監控：
+ [資料品質監控範例筆記本](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/introduction/SageMaker-ModelMonitoring.ipynb)
+ [模型品質監控器範例筆記本](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/introduction/SageMaker-ModelMonitoring.ipynb)
+ [偏差偏離監控器範例筆記本](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/fairness_and_explainability/SageMaker-Model-Monitor-Fairness-and-Explainability.ipynb)
+ [特徵歸因偏離監控範例筆記本](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker_model_monitor/fairness_and_explainability/SageMaker-Model-Monitor-Fairness-and-Explainability.ipynb)

有關模型監控的更多範例，請參閱 GitHub 儲存器 [Amazon SageMaker 範例](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker_model_monitor)。

## 問題：模型監控如何運作？
<a name="model-dashboard-faqs-mm-work"></a>

Amazon SageMaker Model Monitor 會使用規則偵測模型中的偏離，自動監控生產中的機器學習模型。當警示出現品質問題時，模型監控會通知您。如需詳細資訊，請參閱 [Amazon SageMaker Model Monitor 的運作方式](model-monitor.md#model-monitor-how-it-works)。

## 問題：您何時以及如何使用自己的模型監控容器 (BYOC)？
<a name="model-dashboard-faqs-byoc-when-how"></a>

模型監控只會計算表格式資料的模型指標和統計資料。對於表格式資料集以外的使用案例，例如影像或文字，您可以使用自己的容器 (BYOC) 來監控資料和模型。例如，您可以使用 BYOC 監控將影像作為輸入和輸出標籤的影像分類模型。。若要進一步了解容器合約，請參閱[使用 Amazon SageMaker Model Monitor 支援您自己的容器](model-monitor-byoc-containers.md)。

## 問題：哪裡可以找到適用於模型監控的 BYOC 範例？
<a name="model-dashboard-faqs-byoc-examples"></a>

您可以在下列連結中找到實用的 BYOC 範例：
+ [使用 Amazon SageMaker Model Monitor 進行資料和模型品質監控](model-monitor.md)
+ [範例 GitHub 儲存庫](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker_model_monitor)
+ [使用 Amazon SageMaker Model Monitor 支援您自己的容器](model-monitor-byoc-containers.md)
+ [使用 BYOC 模型監控偵測 NLP 中的資料偏離](https://aws.amazon.com/blogs/machine-learning/detect-nlp-data-drift-using-custom-amazon-sagemaker-model-monitor)
+ [檢測和分析 CV 中的不正確預測](https://aws.amazon.com/blogs//machine-learning/detecting-and-analyzing-incorrect-model-predictions-with-amazon-sagemaker-model-monitor-and-debugger)

## 問：如何整合 Model Monitor 與 Pipelines？
<a name="model-dashboard-integrate-mm-pipelines"></a>

如需如何整合 Model Monitor 與 Pipelines 的詳細資訊，請參閱 [Amazon Pipelines 現在與 SageMaker Model Monitor 和 SageMaker Clarify 整合](https://aws.amazon.com/about-aws/whats-new/2021/12/amazon-sagemaker-pipelines-integrates-sagemaker-model-monitor-sagemaker-clarify/)。

如需範例，請參閱 GitHub 範例筆記本 [Pipelines 與 Model Monitor 和 Clarify 整合](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-pipelines/tabular/model-monitor-clarify-pipelines/sagemaker-pipeline-model-monitor-clarify-steps.ipynb)。

## 問題：使用`DataCapture`是否有任何效能問題？
<a name="model-dashboard-datacapture"></a>

開啟時，資料擷取會以非同步方式在 SageMaker AI 端點上進行。為了避免影響推論請求，`DataCapture`請停止擷取高層級磁碟用量的請求。建議您將磁碟使用率保持在 75% 以下，以確保`DataCapture`持續擷取請求。