Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Configurazione di un algoritmo modello in AWS Clean Rooms ML
<a name="configure-model-algorithm"></a>

Dopo aver [creato un'immagine di addestramento del contenitore](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers.html), devi configurare l'algoritmo del modello. La configurazione di un algoritmo del modello lo rende disponibile per l'associazione a una collaborazione.

L'immagine seguente mostra la configurazione di un algoritmo di modello come un passaggio che viene eseguito dopo la creazione dell'immagine di addestramento del contenitore e prima di associarla alla collaborazione.

![\[Una panoramica su come contribuire a un modello ML personalizzato.\]](http://docs.aws.amazon.com/it_it/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png)


------
#### [ Console ]

**Per configurare un algoritmo di modello ML personalizzato (console)**

1. Accedi a Console di gestione AWS e apri la AWS Clean Rooms console all'indirizzo [https://console.aws.amazon.com/cleanrooms.](https://console.aws.amazon.com/cleanrooms/home)

1. Nel riquadro di navigazione a sinistra, scegli Modelli **ML personalizzati.**

1. Nella pagina **Modelli ML personalizzati**, scegli **Configura algoritmo del modello**.

1. Nella pagina **Configura l'algoritmo del modello**, per **i dettagli dell'algoritmo del modello**, inserisci un **nome** e una **descrizione** facoltativa.

1. Se desideri eseguire l'addestramento del modello, per i **dettagli del contenitore ECR di Training image**,

   1. Seleziona la casella di controllo **Specificare l'URI dell'immagine di addestramento**.

   1. Seleziona il **repository** che contiene il modello di addestramento, il contenitore di inferenza o entrambi dall'elenco a discesa.

   1. **Seleziona l'immagine.**

   1. (Facoltativo) Inserite il **valore** degli **Entrypoint** per accedere all'immagine di formazione.

   1. **(Facoltativo) Inserite il **valore** per gli argomenti.**

1. (Facoltativo) Se desideri riportare le metriche del modello, per le **metriche di addestramento**, inserisci il **nome** delle metriche e l'istruzione **Regex** che cercherà nei log di output per trovare la metrica. 

1. **Se desideri eseguire l'inferenza del modello, per i dettagli del contenitore ECR dell'immagine Inference,** 

   1. Seleziona la casella di controllo **Specificare l'URI dell'immagine di inferenza.**

   1. Seleziona il **Repository** dall'elenco a discesa.

   1. **Seleziona l'immagine.**

1. Per **Accesso al servizio**, scegli il **nome del ruolo di servizio esistente** che verrà utilizzato per accedere a questa tabella.

1. Per la **crittografia**, scegli **Personalizza le impostazioni di crittografia** per specificare la tua chiave KMS e le informazioni correlate. Altrimenti, Clean Rooms ML gestirà la crittografia.

1. Se desideri abilitare i **tag**, scegli **Aggiungi nuovo tag**, quindi inserisci la coppia **Chiave** e **Valore**.

1. Scegli **Configura algoritmo del modello**. 

------
#### [ API ]

Per configurare un algoritmo di modello ML (API) personalizzato

1. Crea un'immagine docker compatibile con l' SageMaker IA. Clean Rooms ML supporta solo immagini docker compatibili con SageMaker AI.

1. Dopo aver creato un'immagine docker compatibile con l' SageMaker AI, usa Amazon ECR per creare un'immagine di formazione. Segui le istruzioni nella [Guida per l'utente di Amazon Elastic Container Registry](https://docs.aws.amazon.com/AmazonECR/latest/userguide/) per creare un'immagine di formazione sui container.

1. Configura l'algoritmo del modello da utilizzare in Clean Rooms ML. È necessario fornire le seguenti informazioni:
   + Il link al repository Amazon ECR e argomenti aggiuntivi per addestrare il modello ed eseguire l'inferenza. Clean Rooms ML supporta l'esecuzione di processi di trasformazione in batch su un contenitore di inferenza.
   + Un ruolo di accesso al servizio che consente a Clean Rooms ML di accedere al repository.
   + (Facoltativo) Un contenitore di inferenza. Sebbene sia possibile fornirlo in un algoritmo di modello configurato separato, si consiglia di fornirlo in questo passaggio in modo che sia il contenitore di addestramento che quello di inferenza siano gestiti come parte della stessa risorsa.

   Esegui il codice seguente con i tuoi parametri specifici.

   ```
   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'
   )
   ```

------