Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Ausführen von Inferenzen auf einem trainierten Modell in AWS Clean Rooms ML
<a name="run-inference-jobs"></a>

Mitglieder, die Abfragen ausführen können, können auch Inferenzaufgaben starten, sobald die Trainingsaufgabe abgeschlossen ist. Sie wählen den Inferenzdatensatz aus, für den sie die Inferenz ausführen möchten, und verweisen auf die trainierten Modellausgaben, mit denen sie den Inferenzcontainer ausführen möchten. 

Dem Mitglied, das die Ergebnisse der Inferenz erhalten soll, muss die Fähigkeit „Mitglied“ gewährt werden. `CAN_RECEIVE_INFERENCE_OUTPUT`

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

**Um einen Model-Inferenz-Job zu erstellen (Konsole)**

1. Melden Sie sich bei der an AWS-Managementkonsole und öffnen Sie die AWS Clean Rooms Konsole unter [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home).

1. Wählen Sie im linken Navigationsbereich **Collaborations** aus.

1. Wählen Sie auf der Seite **Kollaborationen** die Kollaboration aus, die das benutzerdefinierte Modell enthält, für das Sie einen Inferenzjob erstellen möchten.

1. Wählen Sie nach dem Öffnen der Kollaboration die Registerkarte **ML-Modelle** und dann Ihr Modell aus der Tabelle **Benutzerdefiniertes trainiertes Modell** aus.

1. Klicken Sie auf der Detailseite für das benutzerdefinierte trainierte Modell auf **Inferenzjob starten**.

1. **Geben **Sie für Inferenzjob starten** für **Inferenzjobdetails** einen **Namen** und optional eine Beschreibung ein.**

   Geben Sie die folgenden Informationen ein:
   + **Zugeordneter Modellalgorithmus** — Der zugehörige Modellalgorithmus, der während des Inferenzjobs verwendet wird.
   + **Details zum ML-Eingangskanal** — Der ML-Eingangskanal, der die Daten für diesen Inferenzjob bereitstellt.
   + **Transformationsressourcen** — Die Recheninstanz, die zur Ausführung der Transformationsfunktion des Inferenzjobs verwendet wird.
   + **Ausgabekonfiguration** — Wer erhält die Ausgabe des Inferenzjobs und den MIME-Typ der Ausgabe.
   + **Verschlüsselung** — Wählen Sie die **Verschlüsselungseinstellungen anpassen**, um Ihren eigenen KMS-Schlüssel und zugehörige Informationen anzugeben. Andernfalls verwaltet Clean Rooms ML die Verschlüsselung.
   + **Auftragsdetails transformieren** — Die maximale Nutzlast des Inferenzjobs in MB.
   + **Umgebungsvariablen** — Alle Umgebungsvariablen, die für den Zugriff auf das Container-Image des Inferenzjobs erforderlich sind.

1. (Optional) Wählen Sie unter **Model Inference Payer** das Mitglied der Zusammenarbeit aus, das die Kosten für die Modellinferenz bezahlt.
**Anmerkung**  
Wenn es in der Kollaboration nur einen Kostenträger für Model-Inferenz gibt, wird standardmäßig dieser Zahler verwendet.

1. **Wählen Sie „Inferenzjob starten“.**

   Die Ergebnisse werden in den folgenden Pfad am Amazon S3 S3-Speicherort exportiert, der in der ML-Konfiguration angegeben wurde:`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`.

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

Um einen Model-Inferenz-Job (API) zu erstellen

Initiieren Sie den Inferenzjob, indem Sie den folgenden Code ausführen:

```
import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.start_trained_model_inference_job(
    name="inference_job",
    membershipIdentifier='{{membership_id}}',
    trainedModelArn='arn:aws:cleanrooms-ml:{{region}}:{{account}}:{{membership}}/membershipIdentifier/trained-model/{{identifier}}', 
    
    dataSource={
        "mlInputChannelArn": 'channel_arn_3'
    },
    resourceConfig={'instanceType': 'ml.m5.xlarge'},
    outputConfiguration={
        'accept': 'text/csv',
        'members': [
            {
                "accountId": '{{member_account_id}}'
            }
        ]
    }
)
```

Die Ergebnisse werden in den folgenden Pfad am Amazon S3 S3-Speicherort exportiert, der in der ML-Konfiguration angegeben wurde:`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`.

------