Mengonfigurasi algoritme model di AWS Clean Rooms - AWS Clean Rooms

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengonfigurasi algoritme model di AWS Clean Rooms

Setelah Anda membuat gambar pelatihan kontainer, Anda harus mengonfigurasi algoritma model Anda. Mengkonfigurasi algoritma model membuatnya tersedia untuk asosiasi ke kolaborasi.

Gambar berikut menunjukkan konfigurasi algoritma model sebagai langkah yang terjadi setelah Anda membuat image pelatihan kontainer dan sebelum Anda mengaitkannya dengan kolaborasi.

Ikhtisar tentang cara menyumbangkan model ML kustom.
Console
Untuk mengkonfigurasi algoritma model ML kustom (konsol)

  1. Masuk ke AWS Management Console dan buka AWS Clean Rooms konsol di https://console.aws.amazon.com/cleanrooms.

  2. Di panel navigasi kiri, pilih model Custom ML.

  3. Pada halaman model Custom ML, pilih Configure model algorithm.

  4. Pada halaman Konfigurasi algoritma model, untuk detail algoritma Model, masukkan Nama dan Deskripsi opsional.

  5. Jika Anda ingin melakukan pelatihan model, untuk detail wadah ECR gambar Pelatihan,

    1. Pilih kotak centang Tentukan URI gambar pelatihan.

    2. Pilih Repositori yang memiliki model pelatihan, wadah inferensi, atau keduanya, dari daftar dropdown.

    3. Pilih Gambar.

    4. (Opsional) Masukkan Nilai untuk Entrypoints untuk mengakses gambar pelatihan.

    5. (Opsional) Masukkan Nilai untuk Argumen.

  6. (Opsional) Jika Anda ingin melaporkan metrik model, untuk metrik Pelatihan, masukkan Nama metrik dan pernyataan Regex yang akan mencari log keluaran untuk menemukan metrik.

  7. Jika Anda ingin melakukan inferensi model, untuk detail wadah ECR gambar Inferensi,

    1. Pilih kotak centang Tentukan URI gambar inferensi.

    2. Pilih Repositori dari daftar dropdown.

    3. Pilih Gambar.

  8. Untuk akses Layanan, pilih nama peran layanan yang ada yang akan digunakan untuk mengakses tabel ini.

  9. Untuk Enkripsi, pilih pengaturan Sesuaikan enkripsi untuk menentukan kunci KMS Anda sendiri dan informasi terkait. Jika tidak, Clean Rooms ML akan mengelola enkripsi.

  10. Jika Anda ingin mengaktifkan Tag, pilih Tambahkan tag baru dan kemudian masukkan pasangan Kunci dan Nilai.

  11. Pilih Konfigurasi algoritma model.

API

Untuk mengkonfigurasi algoritma model HTML kustom (API)

  1. Buat image docker yang kompatibel dengan SageMaker AI. Clean Rooms MLhanya mendukung gambar docker yang kompatibel dengan SageMaker AI.

  2. Setelah Anda membuat gambar docker yang kompatibel dengan SageMaker AI, gunakan Amazon ECR untuk membuat gambar pelatihan. Ikuti petunjuk di Amazon Elastic Container Registry User Guide untuk membuat gambar pelatihan kontainer.

  3. Konfigurasikan algoritma model untuk digunakan di Clean Rooms Ml. Anda harus memberikan informasi berikut:

    • Tautan repositori Amazon ECR dan argumen tambahan untuk melatih model dan menjalankan inferensi. Clean Rooms MLmendukung menjalankan pekerjaan transformasi batch pada wadah inferensi.

    • Peran akses layanan yang memungkinkan Clean Rooms untuk mengakses repositori.

    • (Opsional) Wadah inferensi. Meskipun Anda dapat menyediakan ini dalam algoritma model terkonfigurasi terpisah, kami menyarankan Anda menyediakannya dalam langkah ini sehingga wadah pelatihan dan inferensi dikelola sebagai bagian dari sumber daya yang sama.

    Jalankan kode berikut dengan parameter spesifik Anda.

    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'
)