As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Configurando um algoritmo de modelo no AWS Clean Rooms ML
<a name="configure-model-algorithm"></a>

Depois de [criar uma imagem de treinamento de contêiner](https://docs.aws.amazon.com/sagemaker/latest/dg/docker-containers.html), você deve configurar seu algoritmo de modelo. A configuração de um algoritmo de modelo o torna disponível para associação a uma colaboração.

A imagem a seguir mostra a configuração de um algoritmo de modelo como uma etapa que acontece depois de criar a imagem de treinamento do contêiner e antes de associá-la à colaboração.

![\[Uma visão geral de como contribuir com um modelo de ML personalizado.\]](http://docs.aws.amazon.com/pt_br/clean-rooms/latest/userguide/images/bringMLModelCollaboration.png)


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

**Para configurar um algoritmo de modelo de ML personalizado (console)**

1. Faça login no Console de gerenciamento da AWS e abra o AWS Clean Rooms console em [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home).

1. No painel de navegação esquerdo, escolha **Modelos de ML personalizados**.

1. Na página **Modelos de ML personalizados**, escolha **Configurar algoritmo de modelo**.

1. Na página **Configurar algoritmo do modelo**, para **Detalhes do algoritmo do modelo**, insira um **Nome** e uma **Descrição** opcional.

1. Se você quiser realizar o treinamento do modelo, para obter **detalhes do contêiner ECR da imagem de treinamento**,

   1. Marque a caixa de seleção **Especificar URI da imagem de treinamento**.

   1. Selecione o **repositório** que tem o modelo de treinamento, o contêiner de inferência ou ambos na lista suspensa.

   1. Selecione a **imagem**.

   1. (Opcional) Insira o **valor** dos **pontos de entrada** para acessar a imagem de treinamento.

   1. (Opcional) Insira o **valor** dos **argumentos**.

1. (Opcional) Se você quiser relatar métricas do modelo, em **Métricas de treinamento**, insira o **nome** das métricas e a instrução **Regex** que pesquisará os registros de saída para encontrar a métrica. 

1. Se você quiser realizar a inferência do modelo, para obter detalhes do contêiner **ECR da imagem de inferência**, 

   1. Marque a caixa de seleção **Especificar URI da imagem de inferência**.

   1. Selecione o **Repositório** na lista suspensa.

   1. Selecione a **imagem**.

1. Em **Acesso ao serviço**, escolha o **Nome do perfil de serviço existente** que será usado para acessar essa tabela.

1. Em **Criptografia**, escolha **Personalizar configurações de criptografia** para especificar sua própria chave KMS e informações relacionadas. Caso contrário, o Clean Rooms ML gerenciará a criptografia.

1. Se você quiser habilitar **Tags**, escolha **Adicionar nova tag** e, em seguida, insira o par **Chave** e **Valor**.

1. Escolha **Configurar algoritmo do modelo**. 

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

Para configurar um algoritmo de modelo de ML (API) personalizado

1. Crie uma imagem docker compatível com SageMaker IA. O Clean Rooms ML suporta apenas imagens docker compatíveis com SageMaker IA.

1. Depois de criar uma imagem docker compatível com SageMaker IA, use o Amazon ECR para criar uma imagem de treinamento. Siga as instruções no [Guia do usuário do Amazon Elastic Container Registry](https://docs.aws.amazon.com/AmazonECR/latest/userguide/) para criar uma imagem de treinamento de contêineres.

1. Configure o algoritmo do modelo para uso em Clean Rooms ML. Você deve fornecer as seguintes informações:
   + O link do repositório Amazon ECR e argumentos adicionais para treinar o modelo e executar a inferência. O Clean Rooms ML oferece suporte à execução de trabalhos de transformação em lote em um contêiner de inferência.
   + Uma função de acesso ao serviço que permite que o Clean Rooms ML acesse o repositório.
   + (Opcional) Um contêiner de inferência. Embora você possa fornecer isso em um algoritmo de modelo configurado separado, recomendamos que você o forneça nesta etapa para que o contêiner de treinamento e inferência sejam gerenciados como parte do mesmo recurso.

   Execute o código a seguir com seus parâmetros específicos.

   ```
   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'
   )
   ```

------