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。

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

註冊模型版本並核准其進行部署後，請將其部署到 Amazon SageMaker AI 端點以進行即時推論。您可以在 Amazon SageMaker Studio 中 [使用 Python 從登錄中部署模型](model-registry-deploy.md) 或部署模型。以下提供如何在 Studio 中部署模型的指示。

此功能不適用於 Amazon SageMaker Studio Classic。
+ 如果 Studio 是您的預設體驗，則 UI 與 [Amazon SageMaker Studio UI 概觀](studio-updated-ui.md) 中找到的映像類似。
+ 如果 Studio Classic 是您的預設體驗，則 UI 與 [Amazon SageMaker Studio Classic UI 概觀](studio-ui.md) 中找到的映像類似。

在您可以部署模型套件之前，必須符合模型套件的下列要求：
+ 可用的有效推論規格。如需詳細資訊，請參閱 [InferenceSpecification](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateModelPackage.html#sagemaker-CreateModelPackage-request-InferenceSpecification)。
+ 具有核准狀態的模型。如需詳細資訊，請參閱[更新模型的核准狀態](model-registry-approve.md)。

以下提供如何在 Studio 中部署模型的指示。

**使用 Studio 部署模型**

1. 遵循 [啟動 Amazon SageMaker Studio](studio-updated-launch.md) 中的指示開啟 Studio 主控台。

1. 從主要導覽窗格中選擇**模型**。

1. 如果尚未選取，請選擇**已註冊模型**索引標籤。

1. 如果尚未選取，請在**已註冊模型**索引標籤的正下方選擇**模型群組**。

1. (選用) 如果您具有與您共用的模型，您可以選擇**我的模型**或**與我共用**。

1. 選取已註冊模型的核取方塊。如果符合上述要求，**部署**按鈕變成可供選擇。

1. 選擇**部署**以開啟**將模型部署至端點**頁面。

1. 在**端點設定**中設定部署資源。

1. 一旦驗證了設定，請選擇**部署**。然後，模型將部署到狀態為**服務中**的端點。

對於 `us-east-1`、`ap-northeast-1`、 `us-west-2`和 `eu-west-1`區域，您可以使用下列指示來部署模型：

**使用 Studio 部署模型**

1. 遵循 [啟動 Amazon SageMaker Studio](studio-updated-launch.md) 中的指示開啟 Studio 主控台。

1. 從主要導覽窗格中選擇**模型**。

1. 選擇**我的模型**索引標籤。

1. 如果尚未選取，請選擇已記錄**模型**索引標籤。

1. 選取模型，然後選擇**檢視最新版本**。

1. 選擇**部署**並在 SageMaker AI 或 Amazon Bedrock 之間選取。

1. 一旦驗證了設定，請選擇**部署**。然後，模型將部署到狀態為**服務中**的端點。