AWS Clean Rooms ML でのモデルアルゴリズムの設定 - AWS Clean Rooms

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

AWS Clean Rooms ML でのモデルアルゴリズムの設定

コンテナトレーニングイメージを作成したら、モデルアルゴリズムを設定する必要があります。モデルアルゴリズムを設定すると、コラボレーションに関連付けることができます。

次の図は、コンテナトレーニングイメージを作成した後、コラボレーションに関連付ける前に、モデルアルゴリズムをステップとして設定する方法を示しています。

カスタム ML モデルを提供する方法の概要。
Console
カスタム ML モデルアルゴリズムを設定するには (コンソール）

  1. にサインイン AWS Management Console し、https://console.aws.amazon.com/cleanrooms で AWS Clean Rooms コンソールを開きます。

  2. 左側のナビゲーションペインで、カスタム ML モデルを選択します。

  3. カスタム ML モデルページで、モデルアルゴリズムの設定を選択します。

  4. モデルアルゴリズムの設定ページで、モデルアルゴリズムの詳細に名前とオプションの説明を入力します。

  5. モデルトレーニングを実行する場合は、トレーニングイメージ ECR コンテナの詳細について、

    1. トレーニングイメージの URI を指定 チェックボックスをオンにします。

    2. ドロップダウンリストから、トレーニングモデル、推論コンテナ、またはその両方を持つリポジトリを選択します。

    3. イメージを選択します。

    4. （オプション) エントリポイントの値を入力してトレーニングイメージにアクセスします。

    5. （オプション) 引数の値を入力します。

  6. （オプション) モデルメトリクスをレポートする場合は、トレーニングメトリクスに、メトリクスの名前と、出力ログを検索してメトリクスを検索する正規表現ステートメントを入力します。

  7. モデル推論を実行する場合は、推論イメージ ECR コンテナの詳細について、

    1. 推論イメージの URI を指定 チェックボックスをオンにします。

    2. ドロップダウンリストからリポジトリを選択します。

    3. イメージを選択します。

  8. [サービスアクセス] では、このテーブルへのアクセスに使用する [既存のサービスロール名] を選択します。

  9. 暗号化 で、暗号化設定をカスタマイズ を選択して、独自の KMS キーと関連情報を指定します。それ以外の場合、Clean Rooms ML が暗号化を管理します。

  10. タグを有効にする場合は、新しいタグを追加を選択し、キーと値のペアを入力します。

  11. モデルアルゴリズムの設定 を選択します。

API

カスタム ML モデルアルゴリズム (API) を設定するには

  1. SageMaker AI 互換の Docker イメージを作成します。Clean Rooms ML は、SageMaker AI 互換のドッカーイメージのみをサポートします。

  2. SageMaker AI 互換ドッカーイメージを作成したら、Amazon ECR を使用してトレーニングイメージを作成します。Amazon Elastic Container Registry ユーザーガイドの指示に従って、コンテナトレーニングイメージを作成します。

  3. Clean Rooms ML で使用するモデルアルゴリズムを設定します。次の情報を提供する必要があります。

    • モデルをトレーニングし、推論を実行するための Amazon ECR リポジトリリンクと追加の引数。Clean Rooms ML は、推論コンテナでのバッチ変換ジョブの実行をサポートしています。

    • Clean Rooms ML がリポジトリにアクセスできるようにするサービスアクセスロール。

    • （オプション) 推論コンテナ。これは別の設定済みモデルアルゴリズムで指定できますが、トレーニングコンテナと推論コンテナの両方が同じリソースの一部として管理されるように、このステップで指定することをお勧めします。

    特定のパラメータで次のコードを実行します。

    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'
)