本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 步驟 3：新增初始產品版本
<a name="add-initial-version"></a>

 此頁面會引導您新增產品的初始版本。您的產品在其整個生命週期中可能有多個版本，每個版本都由唯一的 SageMaker AI ARN 識別。

1.  在 **Amazon Resource Name (ARNs**下：

   1.  輸入模型或演算法 Amazon SageMaker AI ARN。
      +  範例模型套件 ARN： `arn:aws:sagemaker:<region>:<account-id>:model-package/<model-package-name>`

         若要尋找您的模型套件 ARN，請參閱[我的市集模型套件](https://console.aws.amazon.com/sagemaker/home#/model-packages/my-resources)。
      +  演算法 ARN 範例： `arn:aws:sagemaker:<region>:<account-id>:algorithm/<algorithm-name>`

         若要尋找您的演算法資源 ARN，請參閱[我的演算法](https://console.aws.amazon.com/sagemaker/home#/algorithms/my-resources)。

   1.  輸入 IAM 存取角色 ARN。

       IAM ARN 範例： `arn:aws:iam::<account-id>:role/<role-name>`

1.  在**版本資訊**下，輸入**版本名稱**和**版本備註。**

1.  在**模型輸入詳細資訊**下，輸入模型輸入的摘要，並提供即時和批次任務輸入的範例輸入資料。或者，您可以提供任何輸入限制。

1.  （選用） 在**輸入參數**下，提供產品支援的每個輸入參數的詳細資訊。您可以提供參數名稱、描述、限制條件，並指定 參數為必要或選用。您最多可以提供 24 個輸入參數。

1.  （選用） 在**自訂屬性**下，提供產品支援的任何自訂調用參數。對於每個屬性，您可以提供名稱、描述、限制條件，並指定屬性為必要或選用。

1.  在**模型輸出詳細資訊**下，輸入模型輸出的摘要，並提供即時和批次任務輸出的範例輸出資料。或者，您可以提供任何輸出限制。

1.  （選用） 在**輸出參數**下，提供產品支援的每個輸出參數的詳細資訊。您可以提供參數名稱、描述、限制條件，並指定 參數為必要或選用。您最多可以提供 24 個輸出參數。

1.  在**使用說明**下，提供有效使用模型的明確指示，例如最佳實務、如何處理常見的邊緣案例或效能最佳化建議。

1.  在 **Git 儲存庫和筆記本連結**下，提供範例筆記本和 Git 儲存庫的連結。範例筆記本應包含如何叫用您的模型。您的 Git 儲存庫應包含筆記本、資料檔案和其他開發人員工具。

1.  在**建議的執行個體類型**下，為您的產品選取建議的執行個體類型。

   對於*模型套件*，您將為批次轉換和即時推論選取建議的執行個體類型。

   對於*演算法套件*，您將為訓練任務選取建議的執行個體類型。
**注意**  
 可供選取的執行個體類型僅限於模型或演算法套件支援的執行個體類型。當您最初在 Amazon SageMaker AI 中建立資源時，會決定這些支援的執行個體類型。這可確保您的產品僅與可有效執行機器學習解決方案的硬體組態相關聯。

1. 選擇**下一步**以移至精靈中的下一個步驟。