View a markdown version of this page

Execução de inferência em um modelo treinado no AWS Clean Rooms ML - AWS Clean Rooms

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.

Execução de inferência em um modelo treinado no AWS Clean Rooms ML

Membros com a capacidade de executar consultas também podem iniciar o trabalho de inferência quando o trabalho de treinamento for concluído. Eles escolhem o conjunto de dados de inferência com o qual desejam executar a inferência e referenciam as saídas do modelo treinado com as quais gostariam de executar o contêiner de inferência.

O membro que receberá o resultado da inferência deve receber a habilidade CAN_RECEIVE_INFERENCE_OUTPUT de membro.

Console
Para criar um trabalho de inferência de modelo (console)

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

  2. No painel de navegação à esquerda, escolha Colaborações.

  3. Na página Colaborações, escolha a colaboração que contém o modelo personalizado no qual você deseja criar um trabalho de inferência.

  4. Depois que a colaboração for aberta, escolha a guia Modelos de ML e, em seguida, escolha seu modelo na tabela de modelos treinados personalizados.

  5. Na página de detalhes do modelo treinado personalizado, clique em Iniciar trabalho de inferência.

  6. Em Iniciar tarefa de inferência, para Detalhes da tarefa de inferência, insira um Nome e uma Descrição opcional.

    Insira as seguintes informações:

    • Algoritmo do modelo associado — O algoritmo do modelo associado que é usado durante o trabalho de inferência.

    • Detalhes do canal de entrada de ML — O canal de entrada de ML que fornecerá os dados para esse trabalho de inferência.

    • Recursos de transformação — A instância de computação usada para realizar a função de transformação do trabalho de inferência.

    • Configuração de saída — Quem receberá a saída do trabalho de inferência e o tipo MIME da saída.

    • Criptografia — Escolha a opção Personalizar configurações de criptografia para especificar sua própria chave KMS e informações relacionadas. Caso contrário, o Clean Rooms ML gerenciará a criptografia.

    • Transforme os detalhes do trabalho — A carga útil máxima do trabalho de inferência, em MB.

    • Variáveis de ambiente — Qualquer variável de ambiente necessária para acessar a imagem do contêiner do trabalho de inferência.

  7. (Opcional) Em Pagador de inferência de modelo, selecione o membro da colaboração que paga pelos custos de inferência do modelo.

    nota

    Se houver apenas um pagador candidato para inferência de modelo na colaboração, o padrão será esse pagador.

  8. Escolha Iniciar trabalho de inferência.

    Os resultados são exportados para o seguinte caminho no local do Amazon S3 que foi especificado na configuração de ML:. yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName

API

Para criar um trabalho de inferência de modelo (API)

Inicie o trabalho de inferência executando o seguinte código:

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'
            }
        ]
    }
)

Os resultados são exportados para o seguinte caminho no local do Amazon S3 que foi especificado na configuração de ML:. yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName