某公司希望為目前位於多個 AWS 帳戶並儲存在 Amazon ECR 儲存庫中的所有 ML 模型建立一個中央目錄。哪種方法可以建立一個跨帳戶的中央模型目錄？

正確答案是使用 Amazon SageMaker Model Registry。SageMaker Model Registry 專為管理 ML 模型而設計，允許您註冊模型版本、追蹤其元資料並管理其生命週期。透過在一個中央帳戶中建立模型群組，並使用跨帳戶資源政策，您可以有效地建立一個跨多個 AWS 帳戶的中央模型目錄，而無需實際複製模型成品。 其他選項不正確： 為每個現有的儲存庫啟用 ECR 跨帳戶複寫會導致模型在每個帳戶中重複，這不是一個中央目錄，而是多個重複的副本。 建立一個新的 AWS 帳戶，其中包含一個 ECR 儲存庫作為中央目錄，並設定從原始儲存庫到該中央 ECR 的跨帳戶複寫，這仍然涉及複製模型成品，並且 ECR 本身不提供模型版本控制和生命週期管理等功能。 使用 AWS Glue Data Catalog 儲存模型成品不適用於管理 ML 模型，Glue Data Catalog 主要用於結構化和半結構化資料的元資料管理，而非模型成品。