Wie behebe ich häufig auftretende Probleme mit der Modellregistrierung in Sagemaker AI?

Lösung

Du kannst ein Modell nicht in der SageMaker AI Model Registry registrieren

Hinweis: Die folgende Lösung bezieht sich auf ein Modell, das als SageMaker AI bereitgestellt wird, für das Modellkarten erstellt wurden und das einem SageMaker AI-Endpunkt zugeordnet ist.

Wenn du eine Pipeline verwendet hast, um das Modell zu registrieren und das SageMaker AI Python SDK Version 2.90.0 oder höher zu verwenden, wird RegisterModel nicht unterstützt. Um dieses Problem zu beheben, verwende ModelStep, um das Modell zu registrieren. Du kannst das Modell auch mit Boto3 oder SageMaker AI Studio registrieren.

Hinweis: Wenn du mehr als 1000 Modelle benötigst, fordere eine Kontingenterhöhung an.

Beim Erstellen kontoübergreifender Modelle tritt der Fehler „Access denied“ auf

Wenn du ein Modell für mehrere AWS-Konten erstellst, erhältst du möglicherweise die folgende Fehlermeldung:

„An error occurred (AccessDeniedException) when calling the CreateModel operation: User: arn:aws:sts::123456789**:assumed-role/Role-AA** is not authorized to perform: sagemaker:CreateModel on resource: arn:aws:sagemaker:eu-west-1:123456789**:model-package/sample-model-package-group/20 because no resource-based policy allows the sagemaker:CreateModel action.“

Der vorherige Fehler tritt auf, wenn du die Ressourcenrichtlinie nicht richtig konfiguriert hast. Um dieses Problem zu beheben, konfiguriere das Amazon Simple Storage Service (Amazon S3)-Bucket und die Ressourcenrichtlinie für Modellpaketgruppen korrekt. Ändere außerdem die Konto-ID, die AWS-Region und die Modellpaketgruppe nach Bedarf. Weitere Informationen findest du unter Eine Modellversion von einem anderen Konto aus bereitstellen.

Du kannst die Modellpaketgruppe in der SageMaker AI Studio-Umgebung nicht anzeigen

Hinweis: Wenn du beim Ausführen von AWS Command Line Interface (AWS CLI)-Befehlen Fehlermeldungen erhältst, findest du weitere Informationen dazu unter Problembehandlung bei der AWS CLI. Stelle außerdem sicher, dass du die neueste Version der AWS CLI verwendest.

Wenn du eine Domain und ein Benutzerprofil verwendest, um eine Modellpaketgruppe zu erstellen, werden Werte als Tags angezeigt. Die Tags werden auf die Modellpaketgruppe angewendet. Führe den folgenden Befehl list-tags aus, um die Tags zu überprüfen:

aws sagemaker list-tags --resource-arn example-model-package-group-arn

Hinweis: Ersetze example-model-package-group-arn durch den ARN deiner Modellpaketgruppe.

Um die Modellpaketgruppeninformationen anzuzeigen, führe den folgenden Befehl describe-model-package-group aus:

aws sagemaker describe-model-package-group --model-package-group-name example-model-package-group-name

Hinweis: Ersetzeexample-model-package-group-name durch deinen Modellpaketgruppennamen.

Hinweis: SageMaker AI verwendet das sagemaker:domain-arn-Tag, das an die SageMaker-AI-Ressourcen angefügt ist, zur Ressourcenfilterung. Daher zeigt SageMaker AI nur Ressourcen an, die in der Domain erstellt wurden, und Ressourcen, die nicht über das sagemaker:domain-arn-Tag verfügen. Außerdem wird die Ressourcenfilterung nur in der Studio-Benutzeroberfläche unterstützt.