本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 创建模型组
<a name="model-registry-model-group"></a>

模型组包含一个模型的不同版本。您可以创建一个模型组，用于跟踪您为解决特定问题而训练的所有模型。使用 适用于 Python (Boto3) 的 AWS SDK 或 Amazon SageMaker Studio 控制台创建模型组。

## 创建模型组 (Boto3)
<a name="model-registry-package-group-api"></a>

**重要**  
允许 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 创建亚马逊 SageMaker资源的自定义 IAM 策略还必须授予向这些资源添加标签的权限。之所以需要为资源添加标签的权限，是因为 Studio 和 Studio Classic 会自动为创建的任何资源添加标签。如果 IAM 策略允许 Studio 和 Studio Classic 创建资源但不允许标记，则在尝试创建资源时可能会出现 AccessDenied “” 错误。有关更多信息，请参阅 [提供标记 A SageMaker I 资源的权限](security_iam_id-based-policy-examples.md#grant-tagging-permissions)。  
[AWS 亚马逊 A SageMaker I 的托管策略](security-iam-awsmanpol.md)授予创建 SageMaker 资源的权限已经包括在创建这些资源时添加标签的权限。

要使用 Boto3 创建模型组，请调用 `create_model_package_group` API 操作，并指定名称和描述作为参数。以下示例说明了如何创建模型组。`create_model_package_group` 调用的响应是新模型组的 Amazon 资源名称 (ARN)。

首先，导入所需的软件包并设置 SageMaker AI Boto3 客户端。

```
import time
import os
from sagemaker import get_execution_role, session
import boto3

region = boto3.Session().region_name

role = get_execution_role()

sm_client = boto3.client('sagemaker', region_name=region)
```

现在创建模型组。

```
import time
model_package_group_name = "scikit-iris-detector-" + str(round(time.time()))
model_package_group_input_dict = {
 "ModelPackageGroupName" : model_package_group_name,
 "ModelPackageGroupDescription" : "Sample model package group"
}

create_model_package_group_response = sm_client.create_model_package_group(**model_package_group_input_dict)
print('ModelPackageGroup Arn : {}'.format(create_model_package_group_response['ModelPackageGroupArn']))
```

## 创建模型组（Studio 或 Studio Classic）
<a name="model-registry-package-group-studio"></a>

要在 Amazon SageMaker Studio 控制台中创建模型组，请根据您使用的是 Studio 还是 Studio Classic 完成以下步骤。

------
#### [ Studio ]

1. 按照[启动 Amazon SageMaker Studio 中的说明打开 SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html) 控制台。

1. 在左侧导航窗格中，选择 **模型**。

1. 如果尚未选择**已注册模型**选项卡，请选择该选项卡。

1. 在**已注册模型**选项卡标签下方，选择**模型组**（如果尚未选择）。

1. 选择**注册**，然后选择**模型组**。

1. 在**注册模型组**对话框中输入以下信息：
   + **Model group name** 字段中的新模型组名称。
   + （可选）**Description** 字段中对模型组的描述。
   + （可选）要与 **Tags** 字段中的模型组关联的任何键值对。有关使用标签的信息，请参阅《AWS 一般参考》**中的[标记 AWS 资源](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)。

1. 选择**注册模型组**。

1. （可选）在**模型**页面中，选择**已注册模型**选项卡，然后选择**模型组**。确认新创建的模型组出现在模型组列表中。

------
#### [ Studio Classic ]

1. 登录亚马逊 SageMaker Studio 经典版。有关更多信息，请参阅[启动 Amazon SageMaker Studio 经典版](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html)。

1. 在左侧导航窗格中，选择**主页**图标 (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/studio/icons/house.png))。

1. 选择**模型**，然后选择**模型注册表**。

1. 选择**操作**，然后选择**创建模型组**。

1. 在**创建模型组**对话框中，输入以下信息：
   + 在**模型组的名称**字段中输入新模型组的名称。
   + （可选）在**描述**字段中输入模型组的描述。
   + （可选）在**标签**字段中输入要与该模型组关联的任何键值对。有关使用标签的信息，请参阅《AWS 一般参考》**中的[标记 AWS 资源](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)。
   + （可选）在**项目**字段中选择要与该模型组关联的项目。有关项目的信息，请参阅[MLOps SageMaker 项目自动化](sagemaker-projects.md)。

1. 选择**创建模型组**。

------