Mengaitkan algoritma model yang dikonfigurasi - AWS Clean Rooms

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengaitkan algoritma model yang dikonfigurasi

Setelah Anda mengonfigurasi algoritma model, Anda siap untuk mengaitkan algoritma model dengan kolaborasi. Mengaitkan algoritma model membuat algoritma model tersedia untuk semua anggota kolaborasi.

Console
Untuk mengaitkan algoritma model HTML kustom di AWS Clean Rooms

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol dengan Anda Akun AWS (jika Anda belum melakukannya).

  2. Di panel navigasi kiri, pilih model Custom ML.

  3. Pada halaman model Custom ML, pilih algoritma model yang dikonfigurasi yang ingin Anda kaitkan dengan kolaborasi dan klik Associate to collaboration.

  4. Di jendela algoritma model yang dikonfigurasi Associate, pilih Kolaborasi yang ingin Anda kaitkan.

  5. Pilih Pilih kolaborasi.

API

Kaitkan algoritma model yang dikonfigurasi dengan kolaborasi. Anda juga menyediakan kebijakan privasi yang menentukan siapa yang memiliki akses ke log yang berbeda, memungkinkan pelanggan untuk menentukan regex, dan berapa banyak data yang dapat diekspor dari output model pelatihan atau hasil inferensi.

catatan

Asosiasi algoritma model yang dikonfigurasi tidak dapat diubah.

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

acr_ml_client.create_configured_model_algorithm_association(
    name='configured_model_algorithm_association_name',
    description='purpose of the association',
    membershipIdentifier='membership_id',
    configuredModelAlgorithmArn= 'arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm/identifier',
    privacyConfiguration = {
        "policies": {
            "trainedModels": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        
                    },
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": "INFO"
                    }
                ],
                "containerMetrics": {
                    "noiseLevel": 'noise value'
                }
            },
            "trainedModelInferenceJobs": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id']
                    }
                ]
            },
            trainedModelExports: {
                maxSize: {
                    unit: GB,
                    value: 5
                },
                filesToExport: [
                    "MODEL",    // final model artifacts that container should write to /opt/ml/model directory
                    "OUTPUT"   // other artifacts that container should write to /opt/ml/output/data directory
                ]
            } 
        }
    }
)

Setelah algoritma model yang dikonfigurasi dikaitkan dengan kolaborasi, penyedia data pelatihan harus menambahkan aturan analisis kolaborasi ke tabel mereka. Aturan ini memungkinkan asosiasi algoritma model yang dikonfigurasi untuk mengakses tabel yang dikonfigurasi. Semua penyedia data pelatihan yang berkontribusi harus menjalankan kode berikut:

import boto3 
acr_client= boto3.client('cleanrooms')

acr_client.create_configured_table_association_analysis_rule(
    membershipIdentifier= 'membership_id',
    configuredTableAssociationIdentifier= 'configured_table_association_id',
    analysisRuleType= 'CUSTOM',
    analysisRulePolicy = {
        'v1': {
            'custom': {
                'allowedAdditionalAnalyses': ['arn:aws:cleanrooms-ml:region:*:membership/*/configured-model-algorithm-association/*''],
                'allowedResultReceivers': []
            }
        }
    }
)
catatan

Karena asosiasi algoritma model yang dikonfigurasi tidak dapat diubah, kami merekomendasikan agar penyedia data pelatihan yang ingin mengizinkan model untuk digunakan untuk menggunakan kartu liar allowedAdditionalAnalyses selama beberapa iterasi pertama konfigurasi model customm. Hal ini memungkinkan penyedia model untuk mengulangi kode mereka tanpa memerlukan penyedia pelatihan lain untuk mengasosiasikan kembali sebelum melatih kode model mereka yang diperbarui dengan data.