기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# AWS Clean Rooms ML에서 모델 알고리즘 구성
<a name="configure-model-algorithm"></a>

[컨테이너 훈련 이미지를 생성한](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers.html) 후에는 모델 알고리즘을 구성해야 합니다. 모델 알고리즘을 구성하면 공동 작업에 연결할 수 있습니다.

다음 이미지는 컨테이너 훈련 이미지를 생성한 후 공동 작업과 연결하기 전에 발생하는 단계로 모델 알고리즘을 구성하는 것을 보여줍니다.

![\[사용자 지정 ML 모델을 제공하는 방법에 대한 개요입니다.\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png)


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

**사용자 지정 ML 모델 알고리즘을 구성하려면(콘솔)**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **사용자 지정 ML 모델을** 선택합니다.

1. **사용자 지정 ML 모델** 페이지에서 **모델 알고리즘 구성을** 선택합니다.

1. **모델 알고리즘 구성** 페이지의 **모델 알고리즘 세부 정보에** **이름** 및 선택적 **설명을** 입력합니다.

1. 모델 훈련을 수행하려면 **훈련 이미지 ECR 컨테이너 세부 정보**에서

   1. **훈련 이미지 URI 지정** 확인란을 선택합니다.

   1. 드롭다운 목록에서 훈련 모델, 추론 컨테이너 또는 둘 다 있는 **리포지토리**를 선택합니다.

   1. **이미지를** 선택합니다.

   1. (선택 사항) 진입점의 **값을** 입력하여 훈련 이미지에 액세스합니다. **** 

   1. (선택 사항) **인수**의 **값을** 입력합니다.

1. (선택 사항) 모델 지표를 보고하려면 **훈련 지표**에 지표 **이름과** 출력 로그를 검색하여 지표를 찾을 **정규식** 문을 입력합니다.

1. 모델 추론을 수행하려면 **추론 이미지 ECR 컨테이너 세부 정보**에서 

   1. **추론 이미지 URI 지정** 확인란을 선택합니다.

   1. 드롭다운 목록에서 **리포지토리**를 선택합니다.

   1. **이미지를** 선택합니다.

1. **서비스 액세스**에서 이 테이블에 액세스하는 데 사용할 **기존 서비스 역할 이름**을 선택합니다.

1. **암호화**에서 **암호화 설정 사용자 지정**을 선택하여 자체 KMS 키 및 관련 정보를 지정합니다. 그렇지 않으면 Clean Rooms ML이 암호화를 관리합니다.

1. **태그를** 활성화하려면 **새 태그 추가**를 선택한 다음 **키** 및 **값** 페어를 입력합니다.

1. **모델 알고리즘 구성을** 선택합니다.

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

사용자 지정 ML 모델 알고리즘(API)을 구성하려면

1. SageMaker AI 호환 도커 이미지를 생성합니다. Clean Rooms ML은 SageMaker AI 호환 도커 이미지만 지원합니다.

1. SageMaker AI 호환 도커 이미지를 생성한 후 Amazon ECR을 사용하여 훈련 이미지를 생성합니다. [Amazon Elastic Container Registry 사용 설명서](https://docs.aws.amazon.com/AmazonECR/latest/userguide/)의 지침에 따라 컨테이너 훈련 이미지를 생성합니다.

1. Clean Rooms ML에서 사용할 모델 알고리즘을 구성합니다. 다음 정보를 제공해야 합니다.
   + 모델을 훈련하고 추론을 실행하기 위한 Amazon ECR 리포지토리 링크 및 추가 인수입니다. Clean Rooms ML은 추론 컨테이너에서 배치 변환 작업 실행을 지원합니다.
   + Clean Rooms ML이 리포지토리에 액세스할 수 있도록 허용하는 서비스 액세스 역할입니다.
   + (선택 사항) 추론 컨테이너입니다. 별도의 구성된 모델 알고리즘에서 이를 제공할 수 있지만, 훈련 컨테이너와 추론 컨테이너가 모두 동일한 리소스의 일부로 관리되도록이 단계에서 제공하는 것이 좋습니다.

   특정 파라미터로 다음 코드를 실행합니다.

   ```
   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'
   )
   ```

------