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.

# Implementazione di un modello personalizzato
<a name="deploying-custom-model"></a>

Puoi implementare un modello personalizzato con la console Amazon Bedrock oppure AWS Command Line Interface. AWS SDKs Per informazioni sull’uso dell’implementazione per l’inferenza, consulta [Use a deployment for on-demand inference](https://docs.aws.amazon.com/bedrock/latest/userguide/use-custom-model-on-demand.html). 

**Topics**
+ [Implementare un modello personalizzato (console)](#deploy-custom-model-console)
+ [Implementazione di un modello personalizzato (AWS Command Line Interface)](#deploy-custom-model-cli)
+ [Implementazione di un modello personalizzato (AWS SDKs)](#deploy-custom-model-sdk)

## Implementare un modello personalizzato (console)
<a name="deploy-custom-model-console"></a>

Puoi implementare un modello personalizzato dalla pagina **Modelli personalizzati** come segue. Puoi anche implementare un modello dalla pagina **Modello personalizzato on demand** con gli stessi campi. Per trovare questa pagina, in **Inferenza e valutazione** nel pannello di navigazione, seleziona **Modello personalizzato on demand**.

**Per l’implementazione di un modello personalizzato**

1. Accedi all' Console di gestione AWS utilizzo di un [ruolo IAM con autorizzazioni Amazon Bedrock](https://docs.aws.amazon.com//bedrock/latest/userguide/getting-started.html) e apri la console Amazon Bedrock all'indirizzo. [https://console.aws.amazon.com/nova/](https://console.aws.amazon.com/nova/)

1. Dal riquadro di navigazione a sinistra, scegli **Modelli personalizzati** in **Modelli di fondazione**.

1. Nella scheda **Modelli**, seleziona il pulsante di opzione relativo al modello che vuoi implementare.

1. Seleziona **Imposta inferenza** e scegli **Implementa per on demand**.

1. In **Dettagli implementazione**, fornisci le seguenti informazioni:
   + **Nome implementazione** (obbligatorio): immetti un nome univoco per l’implementazione.
   + **Descrizione** (facoltativo): inserisci una descrizione per la tua implementazione.
   + **Tag** (facoltativo): aggiungi tag per l’allocazione dei costi e la gestione delle risorse.

1. Scegli **Create** (Crea). Quando lo stato è `Completed`, il modello personalizzato è pronto per l’inferenza on demand. Per ulteriori informazioni sull’uso del modello personalizzato, consulta [Use a deployment for on-demand inference](https://docs.aws.amazon.com/bedrock/latest/userguide/use-custom-model-on-demand.html).

## Implementazione di un modello personalizzato (AWS Command Line Interface)
<a name="deploy-custom-model-cli"></a>

Per distribuire un modello personalizzato per l'inferenza su richiesta utilizzando il AWS Command Line Interface, usa il `create-custom-model-deployment` comando con Amazon Resource Name (ARN) del tuo modello personalizzato. Questo comando utilizza l'operazione API. [CreateCustomModelDeployment](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateCustomModelDeployment.html) Restituisce l’ARN dell’implementazione che è possibile usare come `modelId` quando si effettuano richieste di inferenza. Per informazioni sull’uso dell’implementazione per l’inferenza, consulta [Use a deployment for on-demand inference](https://docs.aws.amazon.com/bedrock/latest/userguide/use-custom-model-on-demand.html).

```
aws bedrock create-custom-model-deployment \
--model-deployment-name "{{Unique name}}" \
--model-arn "{{Custom Model ARN}}" \
--description "{{Deployment description}}" \
--tags '[
    {
        "key": "Environment",
        "value": "Production"
    },
    {
        "key": "Team",
        "value": "ML-Engineering"
    },
    {
        "key": "Project",
        "value": "CustomerSupport"
    }
]' \
--client-request-token "{{unique-deployment-token}}" \
--region {{region}}
```

## Implementazione di un modello personalizzato (AWS SDKs)
<a name="deploy-custom-model-sdk"></a>

Per implementare un modello personalizzato per l'inferenza su richiesta, utilizza l'operazione [CreateCustomModelDeployment](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_CreateCustomModelDeployment.html)API con Amazon Resource Name (ARN) del tuo modello personalizzato. La risposta restituisce l’ARN dell’implementazione che è possibile usare come `modelId` quando si effettuano richieste di inferenza. Per informazioni sull’uso dell’implementazione per l’inferenza, consulta [Use a deployment for on-demand inference](https://docs.aws.amazon.com/bedrock/latest/userguide/use-custom-model-on-demand.html).

Il seguente codice mostra come usare SDK per Python (Boto3) per implementare un modello personalizzato. 

```
def create_custom_model_deployment(bedrock_client):
    """Create a custom model deployment
    Args:
        bedrock_client: A boto3 Bedrock client for making API calls
 
    Returns:
        str: The ARN of the created custom model deployment
 
    Raises:
        Exception: If there is an error creating the deployment
    """
 
    try:
        response = bedrock_client.create_custom_model_deployment(
            modelDeploymentName="{{Unique deployment name}}",
            modelArn="{{Custom Model ARN}}",
            description="{{Deployment description}}",
            tags=[
                {'key': 'Environment', 'value': 'Production'},
                {'key': 'Team', 'value': 'ML-Engineering'},
                {'key': 'Project', 'value': 'CustomerSupport'}
            ],
            clientRequestToken=f"deployment-{uuid.uuid4()}"
        )
 
        deployment_arn = response['customModelDeploymentArn']
        print(f"Deployment created: {deployment_arn}")
        return deployment_arn
 
    except Exception as e:
        print(f"Error creating deployment: {str(e)}")
        raise
```