本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 自定义 ML 建模先决条件
<a name="custom-model-prerequisites"></a>

在执行自定义 ML 建模之前，应考虑以下几点：
+ 确定是否将在协作中同时对训练过的模型进行模型训练和推理。
+ 确定每个协作成员将扮演的角色并为他们分配适当的能力。
  + 将该`CAN_QUERY`能力分配给将训练模型并对训练过的模型进行推理的成员。
  + 将分配`CAN_RECEIVE_RESULTS`给至少一名协作成员。
  + 为将分别接收训练模型导出或推理输出的成员分配`CAN_RECEIVE_MODEL_OUTPUT`或`CAN_RECEIVE_INFERENCE_OUTPUT`能力。如果您的用例需要这两种技能，则可以选择使用这两种技能。
+ 确定允许导出的训练模型工件或推理结果的最大大小。
+ 我们建议所有用户的角色都附加`CleanrooomsFullAccess`和`CleanroomsMLFullAccess`策略。使用自定义 ML 模型需要同时使用 AWS Clean Rooms 和 AWS Clean Rooms ML SDKs。
+ 请考虑以下有关 IAM 角色的信息。
  + 所有数据提供者都必须具有服务访问角色， AWS Clean Rooms 允许从其 AWS Glue 目录和表以及底层 Amazon S3 位置读取数据。这些角色与 SQL 查询所需的角色类似。这允许您使用该`CreateConfiguredTableAssociation`操作。有关更多信息，请参阅 [创建服务角色以创建已配置的表关联](ml-roles.md#ml-roles-custom-configure-table)。
  + 所有想要接收指标的成员都必须具有服务访问角色，允许他们写入 CloudWatch 指标和日志。在模型训练和推理 AWS 账户 期间，Clean Rooms ML 使用此角色将所有模型指标和日志写入成员的指标。我们还提供隐私控制，以确定哪些成员有权访问指标和日志。这允许您使用该`CreateMLConfiguration`操作。有关更多信息，请参阅[为自定义 ML 建模创建服务角色-机器学习配置](ml-roles.md#ml-roles-custom-configure)。

    接收结果的成员必须为服务访问角色提供写入其 Amazon S3 存储桶的权限。此角色允许 Clean Rooms ML 将结果（经过训练的模型工件或推理结果）导出到 Amazon S3 存储桶。这允许您使用该`CreateMLConfiguration`操作。有关更多信息，请参阅 [为自定义 ML 建模创建服务角色-机器学习配置](ml-roles.md#ml-roles-custom-configure)。
  + 模型提供者必须为服务访问角色提供读取其 Amazon ECR 存储库和图像的权限。这允许您使用该`CreateConfigureModelAlgorithm`操作。有关更多信息，请参阅 [创建服务角色以提供自定义 ML 模型](ml-roles.md#ml-roles-custom-model-provider)。
  + 创建`MLInputChannel`以生成用于训练或推理的数据集的成员必须提供允许 Clean Rooms ML 在中 AWS Clean Rooms执行 SQL 查询的服务访问角色。这允许您使用`CreateTrainedModel`和`StartTrainedModelInferenceJob`操作。有关更多信息，请参阅 [创建用于查询数据集的服务角色](ml-roles.md#ml-roles-custom-query-dataset)。
+ 模型作者应遵循[训练容器的模型创作指南](custom-model-guidelines.md)和[推理容器的模型创作指南接收模型日志和指标](inference-model-guidelines.md)，以确保模型输入和输出按预期进行配置 AWS Clean Rooms。