Prerequisiti per la modellazione ML personalizzata - AWS Clean Rooms

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.

Prerequisiti per la modellazione ML personalizzata

Prima di eseguire la modellazione ML personalizzata, è necessario considerare quanto segue:

  • Determina se nell'ambito della collaborazione verranno eseguiti sia l'addestramento del modello che l'inferenza sul modello addestrato.

  • Determina il ruolo che ogni membro della collaborazione svolgerà e assegnagli le abilità appropriate.

    • Assegna l'CAN_QUERYabilità al membro che addestrerà il modello ed eseguirà l'inferenza sul modello addestrato.

    • Assegna il CAN_RECEIVE_RESULTS ad almeno un membro della collaborazione.

    • Assegna CAN_RECEIVE_INFERENCE_OUTPUT le CAN_RECEIVE_MODEL_OUTPUT nostre abilità al membro che riceverà rispettivamente le esportazioni di modelli addestrati o l'output di inferenza. Puoi scegliere di usare entrambe le abilità se sono richieste dal tuo caso d'uso.

  • Determina la dimensione massima degli artefatti del modello addestrato o dei risultati di inferenza che consentirai l'esportazione.

  • È consigliabile che tutti gli utenti abbiano le CleanroomsMLFullAccess politiche CleanrooomsFullAccess e associate al proprio ruolo. L'utilizzo di modelli ML personalizzati richiede l'utilizzo AWS Clean Rooms sia di che di AWS Clean Rooms ML SDKs.

  • Considera le seguenti informazioni sui ruoli IAM.

    • Tutti i fornitori di dati devono avere un ruolo di accesso al servizio che AWS Clean Rooms consenta di leggere i dati dai loro AWS Glue cataloghi e tabelle e dalle posizioni Amazon S3 sottostanti. Questi ruoli sono simili a quelli richiesti per le interrogazioni SQL. Ciò consente di utilizzare l'CreateConfiguredTableAssociationazione. Per ulteriori informazioni, consulta Crea un ruolo di servizio per creare un'associazione di tabelle configurata.

    • Tutti i membri che desiderano ricevere le metriche devono avere un ruolo di accesso al servizio che consenta loro di scrivere CloudWatch metriche e log. Questo ruolo viene utilizzato da Clean Rooms ML per scrivere tutte le metriche e i log del modello ai membri Account AWS durante l'addestramento e l'inferenza del modello. Forniamo anche controlli sulla privacy per determinare quali membri hanno accesso alle metriche e ai log. Ciò consente di utilizzare l'azioneCreateMLConfiguration. Per ulteriori informazioni, consultare Crea un ruolo di servizio per la modellazione ML personalizzata - Configurazione ML.

      Il membro che riceve i risultati deve fornire un ruolo di accesso al servizio con le autorizzazioni di scrittura nel proprio bucket Amazon S3. Questo ruolo consente a Clean Rooms ML di esportare i risultati (artefatti del modello addestrati o risultati di inferenza) in un bucket Amazon S3. Ciò consente di utilizzare l'azione. CreateMLConfiguration Per ulteriori informazioni, consulta Crea un ruolo di servizio per la modellazione ML personalizzata - Configurazione ML.

    • Il fornitore del modello deve fornire un ruolo di accesso al servizio con le autorizzazioni per leggere l'archivio e l'immagine Amazon ECR. Ciò consente di utilizzare l'azione. CreateConfigureModelAlgorithm Per ulteriori informazioni, consulta Crea un ruolo di servizio per fornire un modello di machine learning personalizzato.

    • Il membro che crea i MLInputChannel set di dati per la formazione o l'inferenza deve fornire un ruolo di accesso al servizio che consenta a Clean Rooms ML di eseguire una query SQL in. AWS Clean Rooms Ciò consente di utilizzare le azioni CreateTrainedModel eStartTrainedModelInferenceJob. Per ulteriori informazioni, consulta Crea un ruolo di servizio per interrogare un set di dati.

  • Gli autori del modello devono seguire Linee guida per la creazione di modelli per il contenitore di formazione e Linee guida per la creazione di modelli per il contenitore di inferenza garantire che gli input e gli output del modello siano configurati come previsto da. AWS Clean Rooms