Hunderte von Data Scientists speichern Modelle in SageMaker Model Registry-Modellgruppen. Das Team möchte bestehende Modelle in drei Kategorien (Computer Vision, NLP, Spracherkennung) organisieren, um die Auffindbarkeit zu verbessern, ohne Modellartefakte oder bestehende Gruppierungen zu ändern. Welcher Ansatz erfüllt diese Einschränkungen?

Die Erstellung einer Model Registry-Sammlung für jede Kategorie und das Platzieren der bestehenden Modellgruppen in diesen Sammlungen ist die beste Lösung. Sammlungen in der SageMaker Model Registry dienen dazu, Modelle und Modellgruppen logisch zu organisieren, ohne die zugrunde liegenden Modellartefakte oder deren Gruppierung zu ändern. Dies erfüllt die Anforderung, die Auffindbarkeit zu verbessern, ohne bestehende Strukturen zu beeinflussen. Benutzerdefinierte Tags sind zwar nützlich, aber sie sind Metadaten auf der Ebene einzelner Modellpakete und nicht für die Organisation von Modellgruppen konzipiert. Das Erstellen neuer Modellgruppen und das Verschieben bestehender Modelle würde die bestehenden Gruppierungen ändern, was explizit ausgeschlossen ist. SageMaker ML Lineage Tracking dient der Nachverfolgung der Herkunft von ML-Artefakten und ist nicht für die organisatorische Kategorisierung von Modellgruppen vorgesehen.