使用 AWS CLI 範例叫用 ModelLifeCycle - Amazon SageMaker AI

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。

使用 AWS CLI 範例叫用 ModelLifeCycle

您可以使用 AWS CLI 工具來管理您的 AWS 資源。一些 AWS CLI 命令包括 search 和 list-actions。以下頁面將提供使用這些命令時如何使用 ModelPackage 的範例。如需設定階段建構模組的相關資訊和範例，請參閱設定預備建構模組範例。

此頁面上的範例使用以下變數：

  • region 是模型套件存在的區域。

  • stage-name 是所定義階段的名稱。

  • stage-status 是所定義階段狀態的名稱。

以下是使用 ModelLifeCycle 的範例 AWS CLI 命令。

使用您已定義的 stage-name 搜尋模型套件。

aws sagemaker search --region 'region' --resource ModelPackage --search-expression '{"Filters": [{"Name": "ModelLifeCycle.Stage","Value": "stage-name"}]}'

列出與 ModelLifeCycle 相關聯的動作。

aws sagemaker list-actions --region 'region' --action-type ModelLifeCycle

使用 ModelLifeCycle 建立模型套件。

aws sagemaker create-model-package --model-package-group-name 'model-package-group-name' --source-uri 'source-uri' --region 'region' --model-life-cycle '{"Stage":"stage-name", "StageStatus":"stage-status", "StageDescription":"Your Staging Comment"}'

使用 ModelLifeCycle 更新模型套件。

aws sagemaker update-model-package --model-package 'model-package-arn' --region 'region' --model-life-cycle '{"Stage":"stage-name", "StageStatus":"stage-status"}'

透過 ModelLifeCycle 欄位搜尋。

aws sagemaker search --region 'region' --resource ModelPackage --search-expression '{"Filters": [{"Name": "ModelLifeCycle.Stage","Value": "stage-name"}]}'

透過 Amazon SageMaker 機器學習 (ML) 歷程追蹤 API 擷取 ModelLifeField 更新的稽核記錄。

aws sagemaker list-actions --region 'region' --action-type ModelLifeCycle
aws sagemaker describe-action --region 'region' --action-name 'action-arn or action-name'