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. # Uso de la formación incremental en AWS Clean Rooms ML Requisitos previos: + Y Cuenta de AWS con acceso a AWS Clean Rooms + Un modelo formado existente en una colaboración + Un conjunto de datos nuevo o actualizado para el entrenamiento incremental + Permisos adecuados para crear y gestionar modelos de aprendizaje automático en la colaboración + Familiaridad con los hiperparámetros y la configuración del modelo existente Con el entrenamiento incremental, puede usar los artefactos de un modelo existente y un conjunto de datos actualizado para entrenar un modelo nuevo. La capacitación incremental le ahorra tiempo y recursos. Utilice la capacitación incremental para: + Entrene un modelo nuevo con un conjunto de datos ampliado que tenga un patrón subyacente que no se tuvo en cuenta en el entrenamiento anterior. + Entrene varias variantes de un modelo, ya sea con diferentes hiperparámetros o utilizando diferentes conjuntos de datos. ------ #### [ Console ] **Para ejecutar un trabajo de entrenamiento incremental (consola)** 1. Inicie sesión en [https://console.aws.amazon.com/cleanrooms Consola de administración de AWS](https://console.aws.amazon.com/cleanrooms/home) y abra la AWS Clean Rooms consola. 1. En el panel de navegación izquierdo, elija **Colaboraciones**. 1. En la página de **colaboraciones**, elija la colaboración en la que estén presentes los artefactos modelo que desee utilizar para el entrenamiento incremental. 1. Cuando se abra la colaboración, seleccione la pestaña de **modelos de aprendizaje automático**. 1. En **Modelos de aprendizaje automático personalizados**, en la sección **Modelos entrenados**, selecciona el botón de radio situado junto al modelo entrenado que deseas entrenar de forma incremental. 1. En la página de **descripción general**, en **Versiones**, 1. Selecciona el botón de radio situado junto al modelo entrenado que deseas entrenar de forma incremental. 1. Elige **Tren desde la versión**. 1. En la página **Crear un modelo entrenado a partir de una versión**, en **Versión de modelo entrenado**, elija la versión. La versión del modelo base se selecciona automáticamente. Puede cambiar esta versión si existen otras versiones. 1. Para ver **los detalles del modelo entrenado**, introduzca lo siguiente: 1. En **Nombre**, introduzca un nombre exclusivo para el modelo de la colaboración. 1. (Opcional) En **Descripción**, introduzca una descripción del modelo entrenado. 1. En el **modo de entrada de datos de entrenamiento**, elija una de las siguientes opciones: + Seleccione **Archivo** si tiene un conjunto de datos más pequeño que pueda caber en el volumen de almacenamiento de aprendizaje automático y si prefiere el acceso al sistema de archivos tradicional para su guion de entrenamiento. + Selecciona **Pipe** para obtener conjuntos de datos de gran tamaño para transmitir datos directamente desde S3 y así evitar tener que descargar todo al disco, lo que puede mejorar la velocidad de entrenamiento y reducir los requisitos de almacenamiento. + Seleccione **FastFile**esta opción si desea combinar las ventajas del streaming desde S3 con el acceso al sistema de archivos, especialmente para leer datos de forma secuencial o si utiliza menos archivos para acelerar los tiempos de inicio. 1. En el **nombre del canal de formación incremental**, introduzca un nombre para el canal de formación incremental **nota** Si especificas el **nombre del canal de entrenamiento incremental** sin un identificador de versión, el sistema utiliza el modelo base para el entrenamiento incremental. 1. Para obtener los **detalles del canal de entrada de ML**, haga lo siguiente: 1. Para el **canal de entrada ML**, especifique el canal de entrada ML que proporciona datos al algoritmo del modelo. Para añadir otro canal, elija **Añadir otro canal de entrada ML**. Puede añadir hasta 19 canales de entrada ML adicionales. 1. En **Nombre del canal**, introduzca el nombre del canal de entrada ML. 1. Para el **tipo de distribución de datos de Amazon S3**, elija una de las siguientes opciones: + Seleccione **Totalmente replicado** para proporcionar a cada instancia de entrenamiento una copia completa de su conjunto de datos. Esto funciona mejor cuando el conjunto de datos es lo suficientemente pequeño como para caber en la memoria o cuando cada instancia necesita acceder a todos los datos. + Selecciona **Fragmentado por la clave S3** para dividir el conjunto de datos entre las instancias de entrenamiento en función de las claves S3. Cada instancia recibe aproximadamente 1/n del total de objetos de S3, donde «n» es el número de instancias. Esto funciona mejor para conjuntos de datos grandes que desee procesar en paralelo. **nota** Tenga en cuenta el tamaño del conjunto de datos y los requisitos de formación al seleccionar un tipo de distribución. La **replicación** completa proporciona un acceso completo a los datos, pero requiere más almacenamiento, mientras que la **clave Sharded by S3** permite el procesamiento distribuido de grandes conjuntos de datos. 1. En **Duración máxima del entrenamiento**, elige la cantidad máxima de tiempo que deseas entrenar tu modelo. 1. En el caso de **los hiperparámetros**, especifique los parámetros específicos del algoritmo y sus valores previstos. Los hiperparámetros son específicos del modelo que se está entrenando y se utilizan para ajustar el entrenamiento del modelo. 1. En el caso de **las variables de entorno**, especifique cualquier variable específica del algoritmo y sus valores previstos. Las variables de entorno se configuran en el contenedor de Docker. 1. En el caso del **cifrado**, para usar una personalizada AWS KMS key, selecciona la casilla de verificación **Cifrar el secreto con una clave KMS personalizada**. 1. Para la **configuración de recursos de EC2**, especifique la información sobre los recursos informáticos que se utilizan para el entrenamiento del modelo. 1. En **Tipo de instancia**, elija el tipo de instancia que desee ejecutar. 1. En **Recuento de instancias**, introduzca el número de instancias. 1. Para **el tamaño del volumen en GB**, introduzca el tamaño del volumen de almacenamiento de ML. 1. Elija **Crear un modelo entrenado a partir de la versión**. ------ #### [ API ] Para ejecutar un trabajo de formación incremental (API) Ejecute el siguiente código con sus parámetros específicos: ``` import boto3 acr_ml_client= boto3.client('cleanroomsml') acr_ml_client.create_trained_model( membershipIdentifier= 'membership_id', configuredModelAlgorithmAssociationArn = 'arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm-association/identifier', name='trained_model_name', resourceConfig={ 'instanceType': 'ml.m5.xlarge', 'volumeSizeInGB': 1 }, incrementalTrainingDataChannels=[ { 'trainedModelArn': trained_model_arn, 'channelName': 'channel_name' }, ] dataChannels=[ { 'mlInputChannelArn': channel_arn_1, 'channelName': 'channel_name' }, { 'mlInputChannelArn': channel_arn_2, 'channelName': 'channel_name' } ] ) ``` **nota** Límite: máximo 20 canales en total (incluidos ambos `dataChannels``incrementalTrainingDataChannels`). ------ **nota** Una vez creado el modelo entrenado, no podrá editarlo. Para realizar cambios, elimine el modelo entrenado y cree uno nuevo.