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。

# AWS Clean Rooms ML 中的自訂建模
<a name="working-with-custom-models"></a>

從技術角度來看，下圖說明自訂 ML 建模如何在 AWS Clean Rooms ML 中運作。

![AWS Clean Rooms ML 如何與自訂模型搭配使用的概觀。](http://docs.aws.amazon.com/zh_tw/clean-rooms/latest/userguide/images/byomHowItWorks.png)


以下是自訂 ML 建模在 Clean Rooms ML 中的運作方式：

1. 資料來源組態
   + 來源資料可以存放在 Amazon S3 目錄、 AWS Glue Data Catalog或 Snowflake 中
   + AWS Glue Data Catalog 用於組織和編目
   + 來自多個 的資料 AWS 帳戶 可在相同的協同合作中使用

1. SQL 查詢和資料處理
   + SQL 查詢用於存取和處理來源資料
   + 查詢在 AWS Clean Rooms 協同合作界限內執行
   + 處理的資料饋送至 ML 輸入通道以進行模型訓練

1. ML 模型開發
   + 您可以使用 AWS 深度學習容器映像來開發模型的原始程式碼
   + 自訂容器映像必須建立並儲存在 Amazon Elastic Container Registry 中

1. 基礎設施元件
   + Amazon Elastic Container Registry 會存放和管理 ML 模型容器
   + ML 處理會在安全 AWS Clean Rooms 協同合作環境中進行

1. 監控和記錄
   + Amazon CloudWatch 提供兩個協作方的指標和日誌
   + 監控可在 AWS 帳戶 參與協作的 之間使用
   + 相關各方可存取效能指標和操作日誌

1. 結果管理
   + 根據協同合作許可控制對結果的存取

開始使用之前，請參閱 [自訂 ML 建模先決條件](custom-model-prerequisites.md)和 [訓練容器的模型撰寫準則](custom-model-guidelines.md) 以取得詳細資訊。