View a markdown version of this page

Mengkonfigurasi algoritma model di AWS Clean Rooms ML - AWS Clean Rooms

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

Mengkonfigurasi algoritma model di AWS Clean Rooms ML

Setelah Anda membuat gambar pelatihan kontainer, Anda harus mengonfigurasi algoritma model Anda. Mengkonfigurasi algoritma model membuatnya tersedia untuk asosiasi ke kolaborasi.

Gambar berikut menunjukkan konfigurasi algoritma model sebagai langkah yang terjadi setelah Anda membuat gambar pelatihan kontainer dan sebelum Anda mengaitkannya dengan kolaborasi.

Ikhtisar tentang cara menyumbangkan model ML khusus.
Console
Untuk mengkonfigurasi algoritma model ML kustom (konsol)

  1. Masuk ke Konsol Manajemen AWS dan buka AWS Clean Rooms konsol di https://console.aws.amazon.com/cleanrooms.

  2. Di panel navigasi kiri, pilih Model ML K ustom.

  3. Pada halaman Model ML K ustom, pilih Konfigurasikan algoritma model.

  4. Pada halaman Konfigurasi algoritma model, untuk Detail algoritma Model, masukkan Nama dan Deskripsi opsional.

  5. Jika Anda ingin melakukan pelatihan model, untuk detail wadah ECR gambar Pelatihan,

    1. Pilih kotak centang T entukan URI gambar pelatihan.

    2. Pilih Repositori yang memiliki model pelatihan, wadah inferensi, atau keduanya, dari daftar dropdown.

    3. Pilih Gambar.

    4. (Opsional) Masukkan Nilai untuk Entrypoints untuk mengakses gambar pelatihan.

    5. (Opsional) Masukkan Nilai untuk Argumen.

  6. (Opsional) Jika Anda ingin melaporkan metrik model, untuk Metrik Pel atihan, masukkan Nama metrik dan pernyataan Regex yang akan mencari log keluaran untuk menemukan metrik.

  7. Jika Anda ingin melakukan inferensi model, untuk detail wadah ECR gambar inferensi,

    1. Pilih kotak centang T entukan URI gambar inferensi.

    2. Pilih Re positori dari daftar dropdown.

    3. Pilih Gambar.

  8. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini.

  9. Untuk Enkripsi, pilih Ku stomisasi pengaturan enkripsi untuk menentukan kunci KMS Anda sendiri dan informasi terkait. Jika tidak, Clean Rooms ML akan mengelola enkripsi.

  10. Jika Anda ingin mengaktifkan Tag, pilih Tambahkan tag baru dan kemudian masukkan pasangan K unci dan Nilai.

  11. Pilih Konfigurasi algoritma model.

API

Untuk mengonfigurasi algoritma model ML kustom (API)

  1. Buat gambar docker yang kompatibel dengan SageMaker AI. Clean Rooms ML hanya mendukung gambar docker yang kompatibel dengan SageMaker AI.

  2. Setelah Anda membuat gambar docker yang kompatibel dengan SageMaker AI, gunakan Amazon ECR untuk membuat gambar pelatihan. Ikuti petunjuk di Panduan Pengguna Amazon Elastic Container Registry untuk membuat gambar pelatihan kontainer.

  3. Konfigurasikan algoritma model untuk digunakan di Clean Room ML. Anda harus memberikan informasi berikut:

    • Tautan repositori Amazon ECR dan argumen tambahan untuk melatih model dan menjalankan inferensi. Clean Rooms ML mendukung menjalankan tugas transformasi batch pada wadah inferensi.

    • Peran akses layanan yang memungkinkan Clean Rooms ML mengakses repositori.

    • (Opsional) Wadah inferensi. Meskipun Anda dapat menyediakan ini dalam algoritma model yang dikonfigurasi terpisah, kami sarankan Anda menyediakannya dalam langkah ini sehingga wadah pelatihan dan inferensi dikelola sebagai bagian dari sumber daya yang sama.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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'
)