本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在 AWS Clean Rooms ML 中設定模型演算法
<a name="configure-model-algorithm"></a>

[建立容器訓練映像](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers.html)之後，您必須設定模型演算法。設定模型演算法可讓您與協同合作建立關聯。

下圖顯示將模型演算法設定為建立容器訓練映像之後，以及將其與協同合作建立關聯之前發生的步驟。

![\[如何貢獻自訂 ML 模型的概觀。\]](http://docs.aws.amazon.com/zh_tw/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png)


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

**設定自訂 ML 模型演算法 （主控台）**

1. 登入 AWS 管理主控台 ，並在 https：//[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) 開啟 AWS Clean Rooms 主控台。

1. 在左側導覽窗格中，選擇**自訂 ML 模型**。

1. 在**自訂 ML 模型**頁面上，選擇**設定模型演算法**。

1. 在**設定模型演算法**頁面上，針對**模型演算法詳細資訊**，輸入**名稱**和選用**的描述**。

1. 如果您想要執行模型訓練，對於**訓練映像 ECR 容器詳細資訊**，

   1. 選取**指定訓練映像 URI** 核取方塊。

   1. 從下拉式清單中選取具有訓練模型、推論容器或兩者的**儲存庫**。

   1. 選取**映像**。

   1. （選用） 輸入**進入點****的值**以存取訓練影像。

   1. （選用） 輸入**引數****的值**。

1. （選用） 如果您想要報告模型指標，請在**訓練指標**中輸入指標**的名稱**和 **Regex** 陳述式，以搜尋輸出日誌來尋找指標。

1. 如果您想要執行模型推論，對於**推論映像 ECR 容器詳細資訊**，

   1. 選取**指定推論映像 URI** 核取方塊。

   1. 從下拉式清單中選取**儲存庫**。

   1. 選取**映像**。

1. 針對**服務存取**，選擇將用於存取此資料表的**現有服務角色名稱**。

1. 針對**加密**，選擇**自訂加密設定**以指定您自己的 KMS 金鑰和相關資訊。否則，Clean Rooms ML 會管理加密。

1. 如果您想要啟用**標籤**，請選擇**新增標籤**，然後輸入**金鑰**和**值**對。

1. 選擇**設定模型演算法**。

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

設定自訂 ML 模型演算法 (API)

1. 建立 SageMaker AI 相容 Docker 映像。Clean Rooms ML 僅支援 SageMaker AI 相容 Docker 映像。

1. 建立 SageMaker AI 相容 Docker 映像之後，請使用 Amazon ECR 建立訓練映像。遵循 [Amazon Elastic Container Registry 使用者指南](https://docs.aws.amazon.com/AmazonECR/latest/userguide/)中的指示來建立容器訓練映像。

1. 設定模型演算法以用於 Clean Rooms ML。您必須提供下列資訊：
   + Amazon ECR 儲存庫連結和其他引數來訓練模型並執行推論。Clean Rooms ML 支援在推論容器上執行批次轉換任務。
   + 允許 Clean Rooms ML 存取儲存庫的服務存取角色。
   + （選用） 推論容器。雖然您可以在個別設定的模型演算法中提供此功能，但建議您在此步驟中提供此功能，以便將訓練和推論容器作為相同資源的一部分進行管理。

   使用特定參數執行下列程式碼。

   ```
   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'
   )
   ```

------