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。

# 在 AWS Clean Rooms ML 中对经过训练的模型运行推理
<a name="run-inference-jobs"></a>

能够运行查询的成员也可以在训练作业完成后启动推理作业。他们选择要对其进行推理的推理数据集，并引用他们想要用来运行推理容器的训练模型输出。

必须向将接收推理输出的成员授予成员能力`CAN_RECEIVE_INFERENCE_OUTPUT`。

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

**创建模型推理作业（控制台）**

1. 登录 AWS 管理控制台 并打开 AWS Clean Rooms 控制台，网址为[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home)。

1. 在左侧导航窗格中，选择**协作**。

1. 在**协作**页面上，选择包含要创建推理作业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情页面上，单击**启动推理作业**。

1. **对于**启动推理作业**，在**推理作业的详细信息**中，输入**名称**和可选的描述。**

   输入以下信息：
   + **关联模型算法**-推理作业期间使用的关联模型算法。
   + **ML 输入通道详情**-将为该推理作业提供数据的 ML 输入通道。
   + **转换资源**-用于执行推理作业转换功能的计算实例。
   + **输出配置**-谁将接收推理作业输出以及输出的 MIME 类型。
   + **加密**-选择**自定义加密设置**以指定您自己的 KMS 密钥和相关信息。否则，Clean Rooms ML 将管理加密。
   + **转换作业详细信息**-推理作业的最大有效负载，以 MB 为单位。
   + **环境变量**-访问推理作业容器镜像所需的任何环境变量。

1. （可选）对于**模型推理付款人**，请选择支付模型推理费用的协作成员。
**注意**  
如果协作中只有一个候选付款人进行模型推断，则默认为该付款人。

1. 选择**启动推理作业**。

   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`。

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

创建模型推理作业 (API)

通过运行以下代码启动推理作业：

```
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}}'
            }
        ]
    }
)
```

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`。

------