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。

# 建立模型群組
<a name="model-registry-model-group"></a>

模型群組包含不同版本的模型。您可以建立模型群組，來追蹤為以解決特定問題而訓練的所有模型。使用 適用於 Python (Boto3) 的 AWS SDK 或 Amazon SageMaker Studio 主控台建立模型群組。

## 建立模型群組 (Boto3)
<a name="model-registry-package-group-api"></a>

**重要**  
允許 Amazon SageMaker Studio 或 Amazon SageMaker Studio Classic 建立 Amazon SageMaker 資源的自訂 IAM 政策也必須授與許可，才能將標籤新增至這些資源。需要將標籤新增至資源的許可，因為 Studio 和 Studio Classic 會自動標記它們建立的任何資源。如果 IAM 政策允許 Studio 和 Studio Classic 建立資源，但不允許標記，則在嘗試建立資源時可能會發生 "AccessDenied" 錯誤。如需詳細資訊，請參閱[提供標記 SageMaker AI 資源的許可](security_iam_id-based-policy-examples.md#grant-tagging-permissions)。  
提供許可來建立 SageMaker 資源的 [AWS Amazon SageMaker AI 的 受管政策](security-iam-awsmanpol.md) 已包含建立這些資源時新增標籤的許可。

若要使用 Boto3 建立模型群組，請呼叫 `create_model_package_group` API 操作並將名稱和描述指定為參數。下列範例展示如何建立模型群組。`create_model_package_group` 呼叫的回應是新模型群組的 Amazon Resource Name (ARN)。

首先，匯入所需的套件並設定 SageMaker AI Boto3 用戶端。

```
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)
```

現在建立模型群組。

```
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']))
```

## 建立模型群組 (Studio 或 Studio Classic)
<a name="model-registry-package-group-studio"></a>

若要在 Amazon SageMaker Studio 主控台中建立模型群組，請根據您是使用 Studio 還是 Studio Classic 來完成下列步驟。

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

1. 請遵循[啟動 Amazon SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-updated-launch.html) 中的指示來開啟 SageMaker Studio 主控台。

1. 在左側導覽窗格中選擇 **Models (模型)**。

1. 如果尚未選取，請選擇**已註冊模型**索引標籤。

1. 如果尚未選取，請在**已註冊模型**索引標籤的正下方選擇**模型群組**。

1. 選擇**註冊**，然後選擇**模型群組**。

1. 在**註冊模型群組**對話方塊中，輸入下列資訊：
   + 在**模型群組名稱**欄位中輸入新模型群組的名稱。
   + (選用) 在**描述**欄位中輸入模型群組的描述。
   + (選用) 在**標籤**欄位中輸入您想要與模型群組建立關聯的任何鍵值對。如需與使用標記相關的資訊，請參閱 *AWS 一般參考*中的[標記 AWS 資源](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)。

1. 選擇**註冊模型群組**。

1. (選用) 在**模型**頁面中，選擇**已註冊模型**索引標籤，然後選擇**模型群組**。確認新建立的模型群組出現在模型群組清單中。

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

1. 登入 Amazon SageMaker Studio Classic。如需詳細資訊，請參閱[啟動 Amazon SageMaker Studio Classic](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-launch.html)。

1. 在左側的導覽窗格中，選擇**首頁**圖示 (![\[Black square icon representing a placeholder or empty image.\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio/icons/house.png))。

1. 選擇**模型**，然後選擇**模型註冊表**。

1. 選擇**動作**，然後選擇 **建立模型群組**。

1. 在**建立模型群組**對話方塊中，輸入下列資訊：
   + 在**模型群組名稱**欄位中輸入新模型群組的名稱。
   + (可選) 在**描述**欄位中，輸入模型群組的描述。
   + (可選) 在**標籤**欄位中，輸入您希望與模型群組相關聯的任何鍵值對。如需與使用標記相關的資訊，請參閱 *AWS 一般參考*中的[標記 AWS 資源](https://docs.aws.amazon.com/general/latest/gr/aws_tagging.html)。
   + (可選) 在**專案**欄位中選擇要與模型群組相關聯的專案。如需與專案相關的資訊，請參閱[使用 SageMaker 專案進行 MLOps 自動化](sagemaker-projects.md)。

1. 選擇**建立模型群組**。

------