Amazon SageMaker多模型是一个功能强大的机器学习服务，可以帮助开发人员训练和部署多个模型。以下是一个包含代码示例的解决方法：

1. 定义多个模型：首先，您需要定义多个模型，每个模型都有自己的训练和推理代码。

# 模型1的训练代码
def train_model1():
    # 训练模型1的代码

# 模型1的推理代码
def inference_model1():
    # 模型1的推理代码

# 模型2的训练代码
def train_model2():
    # 训练模型2的代码

# 模型2的推理代码
def inference_model2():
    # 模型2的推理代码

2. 使用SageMaker训练和部署模型：接下来，您可以使用SageMaker的训练和部署功能来训练和部署这些模型。

import sagemaker

# 创建SageMaker会话
sagemaker_session = sagemaker.Session()

# 训练模型1
train_model1()
model1 = sagemaker_session.train(...)

# 部署模型1
endpoint1 = sagemaker_session.deploy(...)

# 训练模型2
train_model2()
model2 = sagemaker_session.train(...)

# 部署模型2
endpoint2 = sagemaker_session.deploy(...)

3. 使用多模型：现在，您可以使用这些部署的模型来进行推理。

# 使用模型1进行推理
result1 = inference_model1(endpoint1, ...)

# 使用模型2进行推理
result2 = inference_model2(endpoint2, ...)

以上是一个简单的示例，展示了如何使用Amazon SageMaker多模型。您可以根据自己的需求和具体情况进行修改和扩展。