기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# AWS Clean Rooms ML에서 훈련된 모델에 대한 추론 실행
<a name="run-inference-jobs"></a>

쿼리를 실행할 수 있는 구성원은 훈련 작업이 완료되면 추론 작업을 시작할 수도 있습니다. 추론을 실행하려는 추론 데이터 세트를 선택하고 추론 컨테이너를 실행하려는 훈련된 모델 출력을 참조합니다.

추론 출력을 수신할 멤버에게 멤버 기능을 부여해야 합니다`CAN_RECEIVE_INFERENCE_OUTPUT`.

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

**모델 추론 작업을 생성하려면(콘솔)**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **공동 작업**을 선택합니다.

1. **공동 작업** 페이지에서 추론 작업을 생성할 사용자 지정 모델이 포함된 공동 작업을 선택합니다.

1. 공동 작업이 열리면 **ML 모델** 탭을 선택한 다음 **사용자 지정 훈련된 모델** 테이블에서 모델을 선택합니다.

1. 사용자 지정 훈련된 모델 세부 정보 페이지에서 **추론 작업 시작**을 클릭합니다.

1. **추론 작업 시작**의 **추론 작업 세부 정보에** **이름** 및 선택적 **설명을** 입력합니다.

   다음 정보를 입력합니다.
   + **연결된 모델 알고리즘** - 추론 작업 중에 사용되는 연결된 모델 알고리즘입니다.
   + **ML 입력 채널 세부 정보** -이 추론 작업에 대한 데이터를 제공하는 ML 입력 채널입니다.
   + **리소스 변환** - 추론 작업의 변환 함수를 수행하는 데 사용되는 컴퓨팅 인스턴스입니다.
   + **출력 구성** - 추론 작업 출력과 출력의 MIME 유형을 수신할 사람입니다.
   + **암호화** - **암호화 설정 사용자 지정**을 선택하여 자체 KMS 키 및 관련 정보를 지정합니다. 그렇지 않으면 Clean Rooms ML이 암호화를 관리합니다.
   + **변환 작업 세부 정보** - 추론 작업의 최대 페이로드입니다. 단위는 MB입니다.
   + **환경 변수** - 추론 작업 컨테이너 이미지에 액세스하는 데 필요한 모든 환경 변수입니다.

1. (선택 사항) **모델 추론 지급인**에서 모델 추론 비용을 지불하는 공동 작업 구성원을 선택합니다.
**참고**  
공동 작업에서 모델 추론을 위한 지급인 후보가 하나만 있는 경우 기본적으로 해당 지급인으로 설정됩니다.

1. **추론 작업 시작을** 선택합니다.

   결과는 ML 구성에 지정된 Amazon S3 위치의 다음 경로로 내보내집니다`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`.

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

모델 추론 작업을 생성하려면(API)

다음 코드를 실행하여 추론 작업을 시작합니다.

```
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}}'
            }
        ]
    }
)
```

결과는 ML 구성에 지정된 Amazon S3 위치의 다음 경로로 내보내집니다`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`.

------