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
<a name="run-inference-jobs"></a>

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](https://console.aws.amazon.com/cleanrooms/home).

1. No painel de navegação à esquerda, escolha **Colaborações**.

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

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

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

1. **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.

1. (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.

1. 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`

------