View a markdown version of this page

Menerima log model dan metrik - AWS Clean Rooms

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

Menerima log model dan metrik

Untuk menerima log dan metrik dari pelatihan atau inferensi model kustom, anggota harus membuat Konfigurasi ML dengan peran valid yang menyediakan CloudWatch izin yang diperlukan (lihat Membuat peran layanan untuk pemodelan ML kustom - Konfigurasi ML).

Metrik sistem

Metrik sistem untuk pelatihan dan inferensi, seperti pemanfaatan CPU dan memori, dipublikasikan ke semua anggota dalam kolaborasi dengan Konfigurasi ML yang valid. Metrik ini dapat dilihat saat pekerjaan berlangsung melalui CloudWatch Metrik di ruang /aws/cleanroomsml/TrainedModels nama /aws/cleanroomsml/TrainedModelInferenceJobs atau, masing-masing.

Log model

Akses ke log model disediakan oleh kebijakan konfigurasi privasi dari setiap algoritma model yang dikonfigurasi. Penulis model menetapkan kebijakan konfigurasi privasi saat mengaitkan algoritma model yang dikonfigurasi (baik melalui konsol atau CreateConfiguredModelAlgorithmAssociation API) ke kolaborasi. Menyetel kebijakan konfigurasi privasi mengontrol anggota mana yang dapat menerima log model.

Selain itu, penulis model dapat mengatur pola filter dalam kebijakan konfigurasi privasi untuk memfilter peristiwa log. Semua log yang dikirim wadah model ke stdout atau stderr dan yang cocok dengan pola filter (jika disetel), dikirim ke Amazon CloudWatch Logs. Log model tersedia dalam CloudWatch grup log /aws/cleanroomsml/TrainedModels atau/aws/cleanroomsml/TrainedModelInferenceJobs, masing-masing.

Metrik yang ditentukan khusus

Saat Anda mengonfigurasi algoritma model (baik melalui konsol atau CreateConfiguredModelAlgorithm API), penulis model dapat memberikan nama metrik tertentu dan pernyataan regex untuk dicari di log keluaran. Ini dapat dilihat saat pekerjaan berlangsung melalui CloudWatch Metrik di /aws/cleanroomsml/TrainedModels namespace. Saat mengaitkan algoritma model yang dikonfigurasi, penulis model dapat mengatur tingkat kebisingan opsional dalam konfigurasi privasi metrik untuk menghindari keluaran data mentah sambil tetap memberikan visibilitas ke tren metrik khusus. Jika tingkat kebisingan ditetapkan, metrik dipublikasikan di akhir pekerjaan, bukan secara real time.