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。

# 檢視專案資源
<a name="sagemaker-projects-resources"></a>

建立專案後，請在 Amazon SageMaker Studio Classic 中檢視與該專案相關聯的資源。

------
#### [ 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**部署**，然後選擇**專案**。

1. 選取您要檢視詳細資訊的專案名稱。具有專案詳細資料的標籤隨即出現。

在專案詳細資訊頁面上，您可以檢視下列實體，並可以開啟與專案相關聯之實體對應的下列任何索引標籤。
+ 儲存庫：與此專案相關聯的程式碼儲存庫 (Repos)。如果您在建立專案時使用 SageMaker AI 提供的範本，則它會建立 AWS CodeCommit 儲存庫或第三方 Git 儲存庫。如需 CodeCommit 的詳細資訊，請參閱[什麼是 AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html) 。
+ 管道：定義準備資料、訓練和部署模型之步驟的 SageMaker AI ML 管道。如需 SageMaker AI ML 管道的相關資訊，請參閱 [Pipelines 動作](pipelines-build.md)。
+ 實驗：與專案相關聯的一個或多個 Amazon SageMaker Autopilot 實驗。若要取得有關 Autopilot 的更多資訊，請參閱[SageMaker Autopilot](autopilot-automate-model-development.md)。
+ 模型群組：由專案中的管道執行建立的模型版本群組。如需有關模型群組的資訊，請參閱[建立模型群組](model-registry-model-group.md)。
+ 端點：託管已部署模型以進行即時推論的 SageMaker AI 端點。模型版本核准後，會將其部署至端點。
+ 標籤：與專案相關聯的所有標籤。如需標籤的詳細資訊，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)。
+ 中繼資料：與專案相關聯的中繼資料。這包括使用的範本和版本，以及範本啟動路徑。

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

1. 登入 Studio Classic。如需詳細資訊，請參閱[Amazon SageMaker AI 網域概觀](gs-studio-onboard.md)。

1. 在 Studio Classic 側邊欄中，選擇**首頁**圖示 (![](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio/icons/house.png))。

1. 從功能表中選取**部署**，然後選取**專案**。

1. 選取您要檢視詳細資訊的專案名稱。

   隨即顯示包含專案詳細資料的標籤。

在專案詳細資料標籤上，您可以檢視下列與專案相關聯的實體。
+ 儲存庫：與此專案相關聯的程式碼儲存庫 (Repos)。如果您在建立專案時使用 SageMaker AI 提供的範本，則它會建立 AWS CodeCommit 儲存庫或第三方 Git 儲存庫。如需 CodeCommit 的詳細資訊，請參閱[什麼是 AWS CodeCommit](https://docs.aws.amazon.com/codecommit/latest/userguide/welcome.html) 。
+ 管道：定義準備資料、訓練和部署模型之步驟的 SageMaker AI ML 管道。如需 SageMaker AI ML 管道的相關資訊，請參閱 [Pipelines 動作](pipelines-build.md)。
+ 實驗：與專案相關聯的一個或多個 Amazon SageMaker Autopilot 實驗。若要取得有關 Autopilot 的更多資訊，請參閱[SageMaker Autopilot](autopilot-automate-model-development.md)。
+ 模型群組：由專案中的管道執行建立的模型版本群組。如需有關模型群組的資訊，請參閱[建立模型群組](model-registry-model-group.md)。
+ 端點：託管已部署模型以進行即時推論的 SageMaker AI 端點。模型版本核准後，會將其部署至端點。
+ 設定：專案的設定。這包括專案的名稱和描述、專案範本和 `SourceModelPackageGroupName` 的相關資訊，以及與專案相關的中繼資料。

------