0 / 0
Zurück zur englischen Version der Dokumentation
Integration mit Amazon SageMaker

Integration mit Amazon SageMaker

Sie können watsonx.governance as a Service in AWS mit Amazon SageMaker integrieren, um die Governance-, Risiko-und Compliance-Funktionen von watsonx.governance für Ihre Amazon SageMaker -Modelle bereitzustellen.

Vorbereitende Schritte

Sie benötigen die folgenden Services:

  • Eine Instanz von watsonx.governance
  • Eine Instanz von Amazon SageMaker

Konfigurieren Sie die folgenden Services in AWS:

  • CloudTrail: Amazon SageMaker -Ereignisse werden in CloudTrailveröffentlicht.
  • Einfacher Warteschlangenservice (SQS): Mit diesem Dienst können Sie eine Warteschlange für Ihre Amazon SageMaker -Modelle einrichten. Weitere Informationen finden Sie unter Amazon SQS einrichten .
  • EventBridge: Verwenden Sie diesen Service, um Regeln zu definieren, die Amazon SageMaker -Modellkartenänderungen in eine SQS-FIFO-Warteschlange (Simple Queue Service) extrahieren.

Stellen Sie sicher, dass die Services CloudTrail und EventBridge aktiv sind.

Richten Sie in AWSeinen Langzeitzugriffsschlüssel für die Integration mit watsonx.governanceein. Ihre Berechtigungsnachweise müssen über den folgenden Zugriff verfügen:

  • Programmgesteuerter Zugriff auf Simple Queue Service (SQS)
  • Programmgesteuerter Zugriff auf die Amazon SageMaker -APIs
  • Berechtigungen zum Aktualisieren von Modellkarten in Amazon SageMaker

Weitere Informationen finden Sie unter AWS -Sicherheitsberechtigungsnachweise.

Stellen Sie in Governance Console sicher, dass Ihr Benutzerkonto über die Anwendungsberechtigung All/SOX/Administration/SageMaker verfügt.

AWS -Services für die Integration einrichten

Führen Sie die folgenden Schritte aus:

  1. Konfigurieren Sie eine SQS-Warteschlange für Ihre Amazon SageMaker -Modelle.
  2. Richten Sie eine Amazon-Regel des Typs EventBridge ein und fügen Sie Ihre SQS-Warteschlange als Ziel für die Regel hinzu.

Einrichten einer SQS-Warteschlange

Die Integration verwendet eine SQS-Warteschlange, um Benachrichtigungen über Änderungen an Modellkarten zu empfangen.

Gehen Sie wie folgt vor, um eine SQS-Warteschlange einzurichten:

  1. Wählen Sie in der AWS -Konsole den einfachen Warteschlangenservice aus.
  2. Klicken Sie auf Warteschlange erstellen.
  3. Geben Sie einen Namen für die Warteschlange und dann die folgenden Informationen ein:
    • Typ: FIFO
    • Zeitlimit für Sichtbarkeit: 30 Sekunden
    • Aufbewahrungszeitraum für Nachrichten:4 Tage
    • Maximale Nachrichtengröße: 256 KB
    • Zustellungsverzögerung:0
    • Wartezeit für Empfangsnachrichten: 0
  4. Aktivieren Sie unter FIFO-Warteschlangeneinstellungendie folgenden Optionen:
    • Inhaltsbasierte Deduplizierung
    • FIFO-Warteschlange mit hohem Durchsatz

Die SQS-Warteschlange ist definiert. Richten Sie als Nächstes eine Regel EventBridge ein.

EventBridge -Regel einrichten

Führen Sie die folgenden Schritte aus, um eine EventBridge -Regel einzurichten und Ihre SQS-Warteschlange als Ziel hinzuzufügen:

  1. Wählen Sie in der AWS -Konsole den Amazon-Service EventBridge aus.
  2. Klicken Sie auf Regel erstellen.
  3. Geben Sie einen Namen für die Regel ein und klicken dann auf Weiter.
  4. Klicken Sie für die Ereignisquelle auf Andere.
  5. Klicken Sie für die Erstellungsmethode auf Angepasstes Muster (JSON-Editor)und geben Sie dann die folgende JSON für das Ereignismuster ein:
    {
       "detail": {
          "eventName": ["CreateModelCard", "UpdateModelCard", "DeleteModelCard"],
          "eventSource": ["sagemaker.amazonaws.com"]
      },
       "detail-type": ["AWS API Call via CloudTrail"],
       "source": ["aws.sagemaker"]
    }
    
  6. Klicken Sie auf Weiter.
  7. Legen Sie als Ziel die erstellte SQS-Warteschlange fest.
  8. Klicken Sie auf den verbleibenden Seiten auf Weiter und anschließend auf Regel erstellen.

Sie haben nun eine Regel EventBridge mit Ihrer SQS-Warteschlange als Ziel der Regel.

Übergeordnete Geschäftsentität einrichten

Entscheiden Sie, welche Geschäftsentität Sie als übergeordnete Geschäftsentität für Ihre Amazon SageMaker -Modelle verwenden möchten. Standardmäßig lautet die übergeordnete Geschäftsentität für Amazon SageMaker -Modelle Library/MRG.

Wenn eine andere Geschäftsentität verwendet wird, erstellen Sie sie, bevor Sie die Integration mit Amazon SageMakerkonfigurieren. Klicken Sie zum Anzeigen einer Liste mit Geschäftsentitäten auf Ausgangsmenü > Organisation > Geschäftsentitäten. Zum Erstellen einer Geschäftsentität müssen Sie über Administratorberechtigungen verfügen.

Wenn Sie beispielsweise Ihre Amazon SageMaker -Modelle unter Library/MRG/SageMakerspeichern möchten, rufen Sie die Geschäftsentität Library/MRG auf und klicken Sie auf Neue Geschäftsentität. Geben Sie im Feld Name SageMakerein und wählen Sie im Feld Typ die Option Bibliothekaus. Füllen Sie die erforderlichen Felder aus und speichern Sie anschließend.

Integration konfigurieren

Für die Konfiguration der Integration benötigen Sie die folgenden Informationen:

  • Ihre AWS -Konto-ID.
  • Die Zugriffsschlüssel-ID und die ID des geheimen Schlüssels, die Sie für die Integration eingerichtet haben
  • Die Amazon SQS-Service-URL, die Sie für die Integration eingerichtet haben

Erforderliche Berechtigung: Sie benötigen die Anwendungsberechtigung All/SOX/Administration/SageMaker in Governance Console.

Führen Sie die folgenden Schritte aus, um die Integration zu konfigurieren:

  1. Melden Sie sich als Administrator an der Governance-Konsole an.
  2. Klicken Sie auf Administratormenü > Integrationen > Amazon SageMaker.
  3. Führen Sie unter Allgemeine Konfigurationdie folgenden Schritte aus:
    1. Wählen Sie die übergeordnete Geschäftsentität für Ihre SageMaker -Modelle aus. Normalerweise werden Modelle unter der Entität Library/MRG gespeichert.
    2. Wählen Sie einen Standardbenutzer aus. Modelle, denen kein Eigner zugeordnet ist oder die einen Eigner haben, der in der Governance-Konsole nicht vorhanden ist, werden diesem Standardbenutzer zugeordnet.
  4. Geben Sie Ihre AWS -Kontoberechtigungsnachweise ein. Verwenden Sie für die Region us-east-1.
  5. Geben Sie unter SQS-URL für Modellkartedie URL der SQS-Warteschlange ein, die Sie konfiguriert haben.
  6. Klicken Sie auf Verbindung testenund anschließend auf Speichern.
  7. Klicken Sie auf die Umschaltfläche, um die Integration zu aktivieren. Der automatische Synchronisationsprozess wird gestartet. Wenn Sie Modelle in Amazon SageMakererstellen, werden die Informationen mit Governance Console synchronisiert. Um den Fortschritt anzuzeigen, klicken Sie auf Andere > Hintergrundprozesse.
Tipp: Wenn Sie vorhandene Modelle in {{ site.data.keyword.Amazon_sagemaker }}haben, klicken Sie auf Vorhandene Modellinformationen synchronisieren. Die Tabelle SageMaker -Synchronisationen zeigt den Fortschritt der manuellen Synchronisation.

Ihre Amazon SageMaker -Modelle sind jetzt in Governance Console verfügbar.

Der typische Workflow für neue Anwendungsfälle lautet wie folgt:

  • Ein Geschäftsbenutzer erstellt einen Anwendungsfall und führt die Risikobewertung und Anwendbarkeitsbewertung durch.
  • Der Modellentwickler wird benachrichtigt, dass der Anwendungsfall für die Entwicklung bereit ist.
  • Der Modellentwickler erstellt eine Modellkarte in Amazon SageMaker.
  • Die Modellkarteninformationen werden von Amazon SageMaker mit Governance Console synchronisiert.
  • Der Geschäftsbenutzer verknüpft das Modell mit dem Anwendungsfall.

Datensynchronisation

Der Synchronisationsprozess ist für folgende Aktionen empfangsbereit:

  • UpdateModelCard: Eine Modellkarte wird in Amazon SageMakerbearbeitet oder aktualisiert.
  • DeleteModelCard: Eine Modellkarte wird in Amazon SageMakergelöscht.
  • CreateModelCard: Eine Modellkarte wird in Amazon SageMakererstellt.

Möglicherweise werden Änderungen nicht sofort in der Governance-Konsole angezeigt.

  • Der Synchronisationsprozess wird einmal pro Minute ausgeführt.
  • Der Synchronisationsprozess wird angehalten, wenn der Systemverwaltungsmodus aktiviert ist. Die Synchronisation wird fortgesetzt, wenn der Systemverwaltungsmodus inaktiviert ist.
  • Der Synchronisationsprozess wird angehalten, wenn eine manuelle Synchronisation ausgeführt wird. Die Synchronisation wird fortgesetzt, wenn der manuelle Prozess abgeschlossen ist.

Von der Governance-Konsole mit Amazon SageMaker synchronisierte Informationen

Die folgende Tabelle zeigt die Felder, die von der Governance-Konsole mit Amazon SageMakersynchronisiert werden.

Wenn Sie beispielsweise den Modelleigner für ein Modellobjekt in der Governance-Konsole aktualisieren, wird das Feld 'Modelleigner' auf der Modellkarte in Amazon SageMaker aktualisiert.

Tabelle 2. Felder, die von der Governance-Konsole mit Amazon SageMaker synchronisiert werden
Governance-Konsole SageMaker , Feld
MRG-Modell: Modelleigner: Modelleigner (model_owner)
MRG-Modell: Status * Status der Modellkarte (model_approval_status)
MRG-AIFacts-ModelUse-Fall: Zweck Zweck des Modells (purpose_of_model)
MRG-AIFacts-ModelUse-Fall: Risikostufe Risikobewertung (risk_rating)
(Anwendungsfall) Systemfelder: Beschreibung Geschäftsproblem > Beschreibung (business_problem)
MRG-ModelUse-Fall: Eigner Geschäftlicher Stakeholder (business_stakeholders)

*Nur für die Erstsynchronisation wird MRG-Model: Status von Amazon SageMaker mit Governance Console synchronisiert. Für nachfolgende Synchronisationen wird der Status von der Governance-Konsole mit Amazon SageMakersynchronisiert.

Von Amazon SageMaker mit Governance Console synchronisierte Informationen

In der folgenden Tabelle sind die Felder aufgeführt, die von Amazon SageMaker mit Governance Console synchronisiert werden.

Wenn Sie beispielsweise das Feld "Model Creator" auf einer Modellkarte in Amazon SageMakeraktualisieren, wird das Feld "Model Developer" im Modellobjekt in der Governance-Konsole aktualisiert.

Tabelle 3. Felder, die von Amazon SageMaker mit Governance Console synchronisiert werden
SageMaker Governance-Konsole
Modellersteller MRG-Model: Model Developer Wenn der Benutzer nicht in Governance Console vorhanden ist, wird Model Developer auf den Standardbenutzer gesetzt, den Sie bei der Konfiguration der Integration angegeben haben.
Algorithmustyp MRG-AIFacts-Modell: Algorithmus
model_id MRG-AIFacts-Modell: ID des externen Assets
Modellartefakt MRG-AIFacts-Model: External Asset URL -- Externe Assets werden nur synchronisiert, wenn der Ordnername des Assets ModelArtifactsenthält.
Modellname MRG-AIFacts-Modell: Name des externen Modells
Modellversion MRG-Modell: Modellversion
Trainingsmetriken (training_metrics und user_provided_training_metrics) Metrik, Metrikwert
Hyperparameter (hyper_parameters und user_provided_hyper_parameters) MRG-AIFacts-Modell: Hyperparameter (flacht von einem Array zu einer Zeichenfolge)

Schulungsmetriken und vom Benutzer bereitgestellte Schulungsmetriken

Trainingsmetriken und vom Benutzer bereitgestellte Trainingsmetriken werden Metrik-und Metrikwertobjekten in der Governance-Konsole zugeordnet.

Metrik-und Metrikwertobjekte werden in Governance Console erstellt, wenn sie nicht vorhanden sind. Metrikobjekte werden als untergeordnete Elemente des Modellobjekts erstellt. Metric Value-Objekte werden als untergeordnete Elemente des Metric-Objekts erstellt.

Für Trainingsmetriken und vom Benutzer bereitgestellte Trainingsmetriken werden die folgenden Felder in Governance Console mit den Informationen aus Amazon SageMakeraktualisiert:

  • Metric.Description: Der Name der Metrik in Amazon SageMaker
  • Metric.Title: Der Name der Metrik.
  • Metric.Status: Für vorhandene Metriken auf 'Aktiv' setzen. Wird für Metriken, die in Amazon SageMakergelöscht werden, auf "Inaktiv" gesetzt
  • Metrik Value.Description: Der Name der Metrik.
  • Metrik Value.MRG-MetricVal Wert: Der Wert der Metrik.
  • Metrik Value.MRG-Metric-Shared:Collection Status: Auf "Collected" festlegen.

Bidirektionale Synchronisation

Das Feld "Modellkartenbeschreibung" (model_description) in Amazon SageMaker und das Feld "Beschreibung" im Modellobjekt (Model.System Fields:Description) in Governance Console werden in beide Richtungen synchronisiert.

Übergeordnetes Thema: Watsonx.governance unter AWS

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen