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 でのトレーニング済みモデルでの推論の実行
<a name="run-inference-jobs"></a>

クエリを実行できるメンバーは、トレーニングジョブが完了すると推論ジョブを開始することもできます。推論を実行する推論データセットを選択し、推論コンテナを実行するトレーニング済みモデル出力を参照します。

推論出力を受け取るメンバーには、メンバー機能 を付与する必要があります`CAN_RECEIVE_INFERENCE_OUTPUT`。

------
#### [ Console ]

**モデル推論ジョブを作成するには (コンソール)**

1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。

1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。

1. **コラボレーション**ページで、推論ジョブを作成するカスタムモデルを含むコラボレーションを選択します。

1. コラボレーションが開いたら、**ML Models** タブを選択し、**カスタムトレーニング済みモデルテーブルからモデル**を選択します。

1. カスタムトレーニング済みモデルの詳細ページで、**推論ジョブの開始**をクリックします。

1. **推論ジョブの開始**、**推論ジョブの詳細**には、**名前**とオプションの**説明**を入力します。

   次の情報を入力します。
   + **関連付けられたモデルアルゴリズム** – 推論ジョブ中に使用される関連付けられたモデルアルゴリズム。
   + **ML 入力チャネルの詳細** – この推論ジョブのデータを提供する ML 入力チャネル。
   + **リソースの変換** – 推論ジョブの変換関数を実行するために使用されるコンピューティングインスタンス。
   + **出力設定** – 推論ジョブ出力と出力の MIME タイプを受け取るユーザー。
   + **暗号化** – **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。
   + **変換ジョブの詳細** – 推論ジョブの最大ペイロード。MB 単位。
   + **環境変数** – 推論ジョブコンテナイメージにアクセスするために必要な環境変数。

1. (オプション) Model **Inference Payer** で、モデル推論コストを支払うコラボレーションメンバーを選択します。
**注記**  
コラボレーションにモデル推論の対象となる支払者候補が 1 つしかない場合、デフォルトでその支払者になります。

1. **推論ジョブの開始** を選択します。

   結果は、ML 設定で指定された Amazon S3 の場所のパス にエクスポートされます`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`。

------
#### [ API ]

モデル推論ジョブを作成するには (API)

次のコードを実行して推論ジョブを開始します。

```
import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.start_trained_model_inference_job(
    name="inference_job",
    membershipIdentifier='{{membership_id}}',
    trainedModelArn='arn:aws:cleanrooms-ml:{{region}}:{{account}}:{{membership}}/membershipIdentifier/trained-model/{{identifier}}', 
    
    dataSource={
        "mlInputChannelArn": 'channel_arn_3'
    },
    resourceConfig={'instanceType': 'ml.m5.xlarge'},
    outputConfiguration={
        'accept': 'text/csv',
        'members': [
            {
                "accountId": '{{member_account_id}}'
            }
        ]
    }
)
```

結果は、ML 設定で指定された Amazon S3 の場所のパス にエクスポートされます`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`。

------