Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Prerequisiti per la modellazione ML personalizzata Prima di eseguire la modellazione ML personalizzata, è necessario considerare quanto segue: + Determina se nell'ambito della collaborazione verranno eseguiti sia l'addestramento del modello che l'inferenza sul modello addestrato. + Determina il ruolo che ogni membro della collaborazione svolgerà e assegnagli le abilità appropriate. + Assegna l'`CAN_QUERY`abilità al membro che addestrerà il modello ed eseguirà l'inferenza sul modello addestrato. + Assegna il `CAN_RECEIVE_RESULTS` ad almeno un membro della collaborazione. + Assegna `CAN_RECEIVE_INFERENCE_OUTPUT` le `CAN_RECEIVE_MODEL_OUTPUT` nostre abilità al membro che riceverà rispettivamente le esportazioni di modelli addestrati o l'output di inferenza. Puoi scegliere di usare entrambe le abilità se richieste dal tuo caso d'uso. + Determina la dimensione massima degli artefatti del modello addestrato o dei risultati di inferenza che potrai esportare. + È consigliabile che tutti gli utenti abbiano le `CleanroomsMLFullAccess` politiche `CleanrooomsFullAccess` e associate al proprio ruolo. L'utilizzo di modelli ML personalizzati richiede l'utilizzo sia di AWS Clean Rooms ML che di AWS SDKs. AWS Clean Rooms + Considera le seguenti informazioni sui ruoli IAM. + Tutti i fornitori di dati devono avere un ruolo di accesso al servizio che AWS Clean Rooms consenta di leggere i dati dai loro AWS Glue cataloghi e tabelle e dalle posizioni Amazon S3 sottostanti. Questi ruoli sono simili a quelli richiesti per le interrogazioni SQL. Ciò consente di utilizzare l'`CreateConfiguredTableAssociation`azione. Per ulteriori informazioni, consulta [Crea un ruolo di servizio per creare un'associazione di tabelle configurata](ml-roles.md#ml-roles-custom-configure-table). + Tutti i membri che desiderano ricevere le metriche devono avere un ruolo di accesso al servizio che consenta loro di scrivere CloudWatch metriche e log. Questo ruolo viene utilizzato da Clean Rooms ML per scrivere tutte le metriche e i log del modello ai membri Account AWS durante l'addestramento e l'inferenza del modello. Forniamo inoltre controlli sulla privacy per determinare quali membri hanno accesso alle metriche e ai log. Ciò consente di utilizzare l'azione`CreateMLConfiguration`. Per ulteriori informazioni, consultare [Crea un ruolo di servizio per la modellazione ML personalizzata - Configurazione ML](ml-roles.md#ml-roles-custom-configure). Il membro che riceve i risultati deve fornire un ruolo di accesso al servizio con le autorizzazioni di scrittura nel proprio bucket Amazon S3. Questo ruolo consente a Clean Rooms ML di esportare i risultati (artefatti del modello addestrati o risultati di inferenza) in un bucket Amazon S3. Ciò consente di utilizzare l'azione. `CreateMLConfiguration` Per ulteriori informazioni, consulta [Crea un ruolo di servizio per la modellazione ML personalizzata - Configurazione ML](ml-roles.md#ml-roles-custom-configure). + Il fornitore del modello deve fornire un ruolo di accesso al servizio con le autorizzazioni per leggere l'archivio e l'immagine Amazon ECR. Ciò consente di utilizzare l'azione. `CreateConfigureModelAlgorithm` Per ulteriori informazioni, consulta [Crea un ruolo di servizio per fornire un modello di machine learning personalizzato](ml-roles.md#ml-roles-custom-model-provider). + Il membro che crea i `MLInputChannel` set di dati per la formazione o l'inferenza deve fornire un ruolo di accesso al servizio che consenta a Clean Rooms ML di eseguire una query SQL in. AWS Clean Rooms Ciò consente di utilizzare le azioni `CreateTrainedModel` e`StartTrainedModelInferenceJob`. Per ulteriori informazioni, consulta [Crea un ruolo di servizio per interrogare un set di dati](ml-roles.md#ml-roles-custom-query-dataset). + Gli autori del modello devono seguire [Linee guida per la creazione di modelli per il contenitore di formazione](custom-model-guidelines.md) e [Linee guida per la creazione di modelli per il contenitore di inferenzaRicezione dei log e delle metriche del modello](inference-model-guidelines.md) garantire che gli input e gli output del modello siano configurati come previsto da. AWS Clean Rooms