Configuración de un algoritmo modelo en AWS Clean Rooms ML - AWS Clean Rooms

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Configuración de un algoritmo modelo en AWS Clean Rooms ML

Una vez que haya creado una imagen de entrenamiento en contenedores, debe configurar el algoritmo del modelo. La configuración de un algoritmo modelo permite que esté disponible para asociarlo a una colaboración.

La siguiente imagen muestra la configuración de un algoritmo modelo como un paso que se realiza después de crear la imagen de entrenamiento del contenedor y antes de asociarla a la colaboración.

Información general sobre cómo contribuir con un modelo de aprendizaje automático personalizado.
Console
Para configurar un algoritmo de modelo de aprendizaje automático personalizado (consola)

  1. Inicie sesión AWS Management Console y abra la AWS Clean Rooms consola en https://console.aws.amazon.com/cleanrooms.

  2. En el panel de navegación izquierdo, elija modelos ML personalizados.

  3. En la página de modelos ML personalizados, elija Configurar algoritmo de modelo.

  4. En la página Configurar el algoritmo del modelo, en los detalles del algoritmo del modelo, introduzca un nombre y, si lo desea, una descripción.

  5. Si desea realizar un entrenamiento de modelos, para ver los detalles del contenedor ECR de la imagen de entrenamiento,

    1. Seleccione la casilla de verificación Especificar el URI de la imagen de entrenamiento.

    2. Seleccione el repositorio que contiene el modelo de entrenamiento, el contenedor de inferencias o ambos en la lista desplegable.

    3. Seleccione la imagen.

    4. (Opcional) Introduzca el valor de los puntos de entrada para acceder a la imagen de entrenamiento.

    5. (Opcional) Introduzca el valor de los argumentos.

  6. (Opcional) Si desea generar informes sobre las métricas del modelo, en el campo de las métricas de entrenamiento, introduzca el nombre de las métricas y la instrucción Regex que buscará la métrica en los registros de salida.

  7. Si desea realizar una inferencia de modelos, para ver los detalles del contenedor ECR de la imagen de inferencia,

    1. Seleccione la casilla de verificación Especificar el URI de la imagen de inferencia.

    2. Seleccione el repositorio en la lista desplegable.

    3. Seleccione la imagen.

  8. En Acceso a los servicios, elija el Nombre del rol de servicio existente que se utilizará para acceder a esta tabla.

  9. Para el cifrado, elija Personalizar la configuración de cifrado para especificar su propia clave de KMS y la información relacionada. De lo contrario, Clean Rooms ML gestionará el cifrado.

  10. Si desea activar las etiquetas, seleccione Añadir nueva etiqueta y, a continuación, introduzca el par clave y valor.

  11. Elija Configurar el algoritmo del modelo.

API

Para configurar un algoritmo de modelo de aprendizaje automático (API) personalizado

  1. Crea una imagen de docker compatible con SageMaker IA. Clean Rooms ML solo admite imágenes de docker compatibles con SageMaker IA.

  2. Después de crear una imagen de docker compatible con SageMaker IA, utilice Amazon ECR para crear una imagen de entrenamiento. Siga las instrucciones de la Guía del usuario de Amazon Elastic Container Registry para crear una imagen de formación sobre contenedores.

  3. Configure el algoritmo del modelo para usarlo en Clean Rooms ML. Debe proporcionar la siguiente información:

    • El enlace al repositorio de Amazon ECR y argumentos adicionales para entrenar el modelo y ejecutar la inferencia. Clean Rooms ML permite ejecutar trabajos de transformación por lotes en un contenedor de inferencias.

    • Un rol de acceso al servicio que permite a Clean Rooms ML acceder al repositorio.

    • (Opcional) Un contenedor de inferencias. Aunque puede proporcionarlo en un algoritmo modelo configurado por separado, le recomendamos que lo haga en este paso para que tanto el contenedor de entrenamiento como el de inferencia se administren como parte del mismo recurso.

    Ejecute el siguiente código con sus parámetros específicos.

    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'
)