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。

# 从 AWS Clean Rooms ML 中导出模型工件
<a name="export-model-artifacts"></a>

此任务是可选的，应在您将`CAN_RECEIVE_MODEL_OUTPUT`成员权限分配给协作成员后完成。

模型训练完成后，训练模型的成员可以启动模型构件的导出。训练模型的成员选择谁将接收模型工件，前提是该成员可以接收结果和有效的机器学习配置。

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

**配置自定义 ML 模型算法（控制台）**

1. 登录 AWS 管理控制台 并在 [https://console.aws.amazon.com/clean](https://console.aws.amazon.com/cleanrooms/home) room AWS Clean Rooms s 上打开控制台。

1. 在左侧导航窗格中，选择**协作**。

1. 在**协作**页面上，选择包含要导出的自定义模型的协作。

1. 协作打开后，选择 “**机器学习模型**” 选项卡，然后从 “**自定义训练模型” 表中选择您的模型**

1. 在自定义训练模型详细信息页面上，单击**导出模型输出**。

1. 对于**导出模型输出**，在**导出模型输出详细信息**中，输入**名称**和可选的**描述**。

   在导出给**协作成员的模型输出下拉列表中选择哪个成员将**接收模型工件。

1. 选择**导出**。

   结果将导出到机器学习配置中指定的 Amazon S3 位置的以下路径：`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`。仅**导出**您在关联配置的模型算法时选择的要导出的文件（不超过指定的最大文件大小）。

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

配置自定义 ML 模型算法 (API)

通过运行以下代码启动模型导出：

```
import boto3 
acr_ml_client= boto3.client('cleanroomsml')

acr_ml_client.start_trained_model_export_job(
    membershipIdentifier='{{membership_id}}',
    trainedModelArn='arn:aws:cleanrooms-ml:{{region}}:{{account}}:{{membership}}/membershipIdentifier/trained-model/{{identifier}}',
    outputConfiguration={
        'member': {
            'accountId': '{{model_output_receiver_account}}'
        }
    },
    name='{{export_job_name}}'
)
```

结果将导出到机器学习配置中指定的 Amazon S3 位置的以下路径：`yourSpecifiedS3Path/collaborationIdentifier/trainedModelName/callerAccountId/jobName`。仅导出您在关联已配置模型算法时选择的（不超过`maxSize`指定值）。`filesToExport`

------