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。

建立解決方案

您可以使用 Amazon Personalize 化控制台創建自定義解決方案， AWS Command Line Interface (AWS CLI)，或 AWS SDKs。以下包含使用 Amazon Personalize 主控台建立解決方案的詳細步驟，以及如何僅使用必要欄位建立解決方案的程式碼範例。

建立解決方案 (主控台)

若要在主控台中建立解決方案，請選擇您的資料集群組，然後指定解決方案名稱、方案和選用的訓練組態。

建立解決方案 (AWS CLI)

若要建立解決方案 AWS CLI，使用指create-solution令。此命令使用CreateSolutionAPI操作。下列程式碼會示範如何建立使用自動訓練的解決方案。它每五天自動創建一個新的解決方案版本。

若要使用程式碼，請更新程式碼以為解決方案命名、指定資料集群組的 Amazon Resource Name (ARN)、選擇性地變更訓練頻率，然後指定要使用ARN的配方。如需配方的詳細資訊，請參閱選擇一個食譜。

aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"

建立解決方案之後，請記錄解決方案以ARN供 future 使用。透過自動訓練，解決方案版本建立會在解決方案為之後的一個開始ACTIVE。如果您在一小時內手動建立解決方案版本，則解決方案會略過第一個自動訓練。訓練開始後，您可以透過ListSolutionVersionsAPI作業取得解決方案版本的 Amazon 資源名稱 (ARN)。若要取得其狀態，請使用該DescribeSolutionVersionAPI作業。

當解決方案版本為時ACTIVE，您就可以使用它來取得建議。您如何使用作用中的解決方案版本取決於您如何取得建議：

建立解決方案 (AWS SDKs)

若要建立解決方案 AWS SDKs，使用CreateSolutionAPI操作。下列程式碼會示範如何建立使用自動訓練的解決方案。它每五天自動創建一個新的解決方案版本。

若要使用程式碼，請更新程式碼以為解決方案命名、指定資料集群組的 Amazon Resource Name (ARN)、選擇性地變更訓練頻率，然後指定您要使用的配方。ARN如需配方的詳細資訊，請參閱選擇一個食譜。

SDK for Python (Boto3)

import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  performAutoTraining = True,
  solutionConfig = {
    "autoTrainingConfig": {
      "schedulingExpression": "rate(5 days)"
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)

SDK for JavaScript v3

import {
  CreateSolutionCommand,
  PersonalizeClient,
} from "@aws-sdk/client-personalize";

// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });

// set the solution parameters
export const solutionParam = {
  datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
  recipeArn: "RECIPE_ARN" /* required */,
  name: "SOLUTION_NAME" /* required */,
  performAutoTraining: true /* optional, default is true */,
  solutionConfig: {
    autoTrainingConfig: {
      schedulingExpression:
        "rate(5 days)" /* optional, default is every 7 days */,
    },
  },
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(
      new CreateSolutionCommand(solutionParam)
    );
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

建立解決方案之後，請記錄解決方案以ARN供 future 使用。透過自動訓練，解決方案版本建立會在解決方案為之後的一個開始ACTIVE。如果您在一小時內手動建立解決方案版本，則解決方案會略過第一個自動訓練。訓練開始後，您可以透過ListSolutionVersionsAPI作業取得解決方案版本的 Amazon 資源名稱 (ARN)。若要取得其狀態，請使用該DescribeSolutionVersionAPI作業。

您可以使用下面的 Python 代碼來等待自動培訓開始。該wait_for_training_to_start方法返回第一個解決方案版本ARN的。

import time
import boto3


def wait_for_training_to_start(new_solution_arn):
    max_time = time.time() + 3 * 60 * 60    # 3 hours
    while time.time() < max_time:
        list_solution_versions_response = personalize.list_solution_versions(
            solutionArn=new_solution_arn
        )
        solution_versions = list_solution_versions_response.get('solutionVersions', [])
        if solution_versions:
            new_solution_version_arn = solution_versions[0]['solutionVersionArn']
            print(f"Solution version ARN: {new_solution_version_arn}")
            return new_solution_version_arn
        else:
            print(f"Training hasn't started yet. Training will start within the next hour.")
            time.sleep(60)


personalize = boto3.client('personalize')

solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)

當解決方案版本為時ACTIVE，您就可以使用它來取得建議。您如何使用作用中的解決方案版本取決於您如何取得建議：