Zuordnen des konfigurierten Modellalgorithmus in AWS Clean Rooms ML - AWS Clean Rooms

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Zuordnen des konfigurierten Modellalgorithmus in AWS Clean Rooms ML

Nachdem Sie den Modellalgorithmus konfiguriert haben, können Sie den Modellalgorithmus einer Kollaboration zuordnen. Durch die Zuordnung eines Modellalgorithmus steht der Modellalgorithmus allen Mitgliedern der Kollaboration zur Verfügung.

Die folgende Abbildung zeigt die Zuordnung des konfigurierten Modellalgorithmus als letzten Schritt nach der Erstellung des Container-Training-Images und der Konfiguration eines Modellalgorithmus.

Ein Überblick darüber, wie Sie ein benutzerdefiniertes ML-Modell beisteuern können.
Console
Um einen benutzerdefinierten ML-Modellalgorithmus zuzuordnen (Konsole)
  1. Melden Sie sich bei https://console.aws.amazon.com/cleanrooms an AWS Management Console und öffnen Sie die AWS Clean Rooms Konsole.

  2. Wählen Sie im linken Navigationsbereich die Option Benutzerdefinierte ML-Modelle aus.

  3. Wählen Sie auf der Seite Benutzerdefinierte ML-Modelle den konfigurierten Modellalgorithmus aus, den Sie einer Kollaboration zuordnen möchten, und klicken Sie auf Mit Kollaboration verknüpfen.

  4. Wählen Sie im Fenster Konfigurierten Modellalgorithmus zuordnen die Kollaboration aus, der Sie eine Verbindung herstellen möchten.

  5. Wählen Sie Kollaboration auswählen aus.

API

Um einen benutzerdefinierten ML-Modellalgorithmus (API) zuzuordnen

Führen Sie den folgenden Code mit Ihren spezifischen Parametern aus.

Sie stellen auch eine Datenschutzrichtlinie bereit, die festlegt, wer Zugriff auf die verschiedenen Protokolle hat, die es Kunden ermöglicht, Regex zu definieren und wie viele Daten aus den Trainingsmodellausgaben oder Inferenzergebnissen exportiert werden können.

Anmerkung

Konfigurierte Modellalgorithmuszuordnungen sind unveränderlich.

import boto3 acr_ml_client= boto3.client('cleanroomsml') acr_ml_client.create_configured_model_algorithm_association( name='configured_model_algorithm_association_name', description='purpose of the association', membershipIdentifier='membership_id', configuredModelAlgorithmArn= 'arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm/identifier', privacyConfiguration = { "policies": { "trainedModels": { "containerLogs": [ { "allowedAccountIds": ['member_account_id'], }, { "allowedAccountIds": ['member_account_id'], "filterPattern": "INFO" } ], "containerMetrics": { "noiseLevel": 'noise value' } }, "trainedModelInferenceJobs": { "containerLogs": [ { "allowedAccountIds": ['member_account_id'] } ] }, trainedModelExports: { maxSize: { unit: GB, value: 5 }, filesToExport: [ "MODEL", // final model artifacts that container should write to /opt/ml/model directory "OUTPUT" // other artifacts that container should write to /opt/ml/output/data directory ] } } } )

Nachdem der konfigurierte Modellalgorithmus der Kollaboration zugeordnet wurde, müssen Anbieter von Trainingsdaten ihrer Tabelle eine Regel für die Kollaborationsanalyse hinzufügen. Diese Regel ermöglicht es der konfigurierten Modellalgorithmus-Assoziation, auf ihre konfigurierte Tabelle zuzugreifen. Alle Anbieter von Trainingsdaten, die Beiträge leisten, müssen den folgenden Code ausführen:

import boto3 acr_client= boto3.client('cleanrooms') acr_client.create_configured_table_association_analysis_rule( membershipIdentifier= 'membership_id', configuredTableAssociationIdentifier= 'configured_table_association_id', analysisRuleType= 'CUSTOM', analysisRulePolicy = { 'v1': { 'custom': { 'allowedAdditionalAnalyses': ['arn:aws:cleanrooms-ml:region:*:membership/*/configured-model-algorithm-association/*''], 'allowedResultReceivers': [] } } } )
Anmerkung

Da konfigurierte Modellalgorithmuszuordnungen unveränderlich sind, empfehlen wir Anbietern von Trainingsdaten, die Modelle zur Verwendung zulassen möchten, in den allowedAdditionalAnalyses ersten Iterationen der benutzerdefinierten Modellkonfiguration Platzhalter zu verwenden. Auf diese Weise können Modellanbieter ihren Code iterieren, ohne dass andere Schulungsanbieter die Zuordnung erneut vornehmen müssen, bevor sie ihren aktualisierten Modellcode mit Daten trainieren.