本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 自訂 ML 建模先決條件
<a name="custom-model-prerequisites"></a>

在執行自訂 ML 建模之前，您應該考慮下列事項：
+ 判斷是否將在協同合作中對訓練模型執行模型訓練和推論。
+ 決定每個協同合作成員將執行的角色，並將適當的能力指派給他們。
  + 將`CAN_QUERY`功能指派給將訓練模型並在訓練模型上執行推論的成員。
  + `CAN_RECEIVE_RESULTS` 將 指派給至少一位協同合作的成員。
  + 將 `CAN_RECEIVE_MODEL_OUTPUT`或 `CAN_RECEIVE_INFERENCE_OUTPUT` 功能指派給將分別接收訓練模型匯出或推論輸出的成員。如果您的使用案例需要這兩種功能，您可以選擇使用這兩種功能。
+ 決定您將允許匯出的訓練模型成品或推論結果的大小上限。
+ 我們建議所有使用者將 `CleanrooomsFullAccess`和 `CleanroomsMLFullAccess`政策連接到其角色。使用自訂 ML 模型需要使用 AWS Clean Rooms 和 AWS Clean Rooms ML SDKs。
+ 請考慮下列有關 IAM 角色的資訊。
  + 所有資料提供者都必須具有服務存取角色， AWS Clean Rooms 允許 從其 AWS Glue 目錄和資料表以及基礎 Amazon S3 位置讀取資料。這些角色類似於 SQL 查詢所需的角色。這可讓您使用 `CreateConfiguredTableAssociation`動作。如需詳細資訊，請參閱[建立服務角色以建立設定的資料表關聯](ml-roles.md#ml-roles-custom-configure-table)。
  + 所有想要接收指標的成員都必須具有服務存取角色，允許他們撰寫 CloudWatch 指標和日誌。Clean Rooms ML 使用此角色，在模型訓練和推論 AWS 帳戶 期間將所有模型指標和日誌寫入成員的 。我們也提供隱私權控制，以判斷哪些成員可以存取指標和日誌。這可讓您使用 `CreateMLConfiguration`動作。如需詳細資訊，請參閱 [建立自訂 ML 建模的服務角色 - ML 組態](ml-roles.md#ml-roles-custom-configure)。

    接收結果的成員必須為服務存取角色提供寫入其 Amazon S3 儲存貯體的許可。此角色允許 Clean Rooms ML 將結果 （訓練過的模型成品或推論結果） 匯出至 Amazon S3 儲存貯體。這可讓您使用 `CreateMLConfiguration`動作。如需詳細資訊，請參閱[建立自訂 ML 建模的服務角色 - ML 組態](ml-roles.md#ml-roles-custom-configure)。
  + 模型提供者必須為服務存取角色提供讀取其 Amazon ECR 儲存庫和映像的許可。這可讓您使用 `CreateConfigureModelAlgorithm`動作。如需詳細資訊，請參閱[建立服務角色以提供自訂 ML 模型](ml-roles.md#ml-roles-custom-model-provider)。
  + 建立 `MLInputChannel` 以產生資料集以進行訓練或推論的成員必須提供服務存取角色，允許 Clean Rooms ML 在其中執行 SQL 查詢 AWS Clean Rooms。這可讓您使用 `CreateTrainedModel`和 `StartTrainedModelInferenceJob`動作。如需詳細資訊，請參閱[建立服務角色以查詢資料集](ml-roles.md#ml-roles-custom-query-dataset)。
+ 模型作者應遵循 [訓練容器的模型撰寫準則](custom-model-guidelines.md)和 [推論容器的模型撰寫準則接收模型日誌和指標](inference-model-guidelines.md)，以確保模型輸入和輸出依預期進行設定 AWS Clean Rooms。