View a markdown version of this page

Configuración de un algoritmo modelo en AWS Clean Rooms ML - AWS Clean Rooms

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Configuración de un algoritmo modelo en AWS Clean Rooms ML

Después de crear una imagen de entrenamiento de contenedores, debe configurar el algoritmo del modelo. La configuración de un algoritmo modelo hace que esté disponible para asociarlo a una colaboración.

La siguiente imagen muestra la configuración de un algoritmo modelo como un paso que se realiza después de crear la imagen de entrenamiento del contenedor y antes de asociarla a la colaboración.

Descripción general de cómo aportar un modelo de aprendizaje automático personalizado.
Console
Para configurar un algoritmo de modelo de ML personalizado (consola)

  1. Inicie sesión en Consola de administración de AWS y abra la AWS Clean Rooms consola en https://console.aws.amazon.com/cleanrooms.

  2. En el panel de navegación izquierdo, seleccione Modelos ML personalizados.

  3. En la página de modelos de aprendizaje automático personalizados, elija Configurar el algoritmo del modelo.

  4. En la página Configurar el algoritmo del modelo, para ver los detalles del algoritmo del modelo, introduzca un nombre y una descripción opcional.

  5. Si desea realizar un entrenamiento de modelos, para ver los detalles del contenedor ECR de Training Image,

    1. Seleccione la casilla Especificar el URI de la imagen de entrenamiento.

    2. Selecciona el repositorio que contenga el modelo de entrenamiento, el contenedor de inferencia o ambos en la lista desplegable.

    3. Selecciona la imagen.

    4. (Opcional) Introduzca el valor de los puntos de entrada para acceder a la imagen del entrenamiento.

    5. (Opcional) Introduzca el valor de los argumentos.

  6. (Opcional) Si quieres informar sobre las métricas del modelo, en las métricas de entrenamiento, introduce el nombre de las métricas y la sentencia Regex que buscará la métrica en los registros de salida.

  7. Si quieres realizar una inferencia de modelos, consulta los detalles del contenedor ECR de la imagen de inferencia,

    1. Seleccione la casilla Especificar el URI de la imagen de inferencia.

    2. Selecciona el repositorio en la lista desplegable.

    3. Selecciona la imagen.

  8. En Acceso a los servicios, elija el Nombre del rol de servicio existente que se utilizará para acceder a esta tabla.

  9. Para el cifrado, seleccione Personalizar la configuración de cifrado para especificar su propia clave de KMS y la información relacionada. De lo contrario, Clean Rooms ML administrará el cifrado.

  10. Si desea habilitar las etiquetas, elija Agregar nueva etiqueta y, a continuación, introduzca el par clave y valor.

  11. Elija Configurar el algoritmo del modelo.

API

Para configurar un algoritmo de modelo ML (API) personalizado

  1. Crea una imagen de Docker compatible con la SageMaker IA. Clean Rooms ML solo admite imágenes de Docker compatibles con SageMaker IA.

  2. Una vez que haya creado una imagen de Docker compatible con la SageMaker IA, utilice Amazon ECR para crear una imagen de entrenamiento. Siga las instrucciones de la guía del usuario de Amazon Elastic Container Registry para crear una imagen de entrenamiento de contenedores.

  3. Configure el algoritmo del modelo para usarlo en Clean Rooms ML. Debe proporcionar la siguiente información:

    • El enlace al repositorio de Amazon ECR y los argumentos adicionales para entrenar el modelo y ejecutar la inferencia. Clean Rooms ML permite ejecutar trabajos de transformación por lotes en un contenedor de inferencias.

    • Una función de acceso al servicio que permite a Clean Rooms ML acceder al repositorio.

    • (Opcional) Un contenedor de inferencias. Aunque puedes proporcionarlo en un algoritmo de modelo configurado por separado, te recomendamos que lo hagas en este paso para que tanto el contenedor de entrenamiento como el de inferencia se administren como parte del mismo recurso.

    Ejecute el siguiente código con sus parámetros específicos.

    import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.create_configured_model_algorithm(
    name='configured_model_algorithm_name',
    trainingContainerConfig={
        'imageUri': 'account.dkr.ecr.region.amazonaws.com/image_name:tag',
        'metricDefinitions': [
            {
                'name': 'custom_metric_name_1',
                'regex': 'custom_metric_regex_1'
            }
        ]
    },
    inferenceContainerConfig={
        'imageUri':'account.dkr.ecr.region.amazonaws.com/image_name:tag',
    }
    roleArn='arn:aws:iam::account:role/role_name'
)