Associazione dell'algoritmo del modello configurato in AWS Clean Rooms ML

Dopo aver configurato l'algoritmo del modello, si è pronti per associare l'algoritmo del modello a una collaborazione. L'associazione di un algoritmo del modello rende l'algoritmo del modello disponibile per tutti i membri della collaborazione.

L'immagine seguente mostra l'associazione dell'algoritmo del modello configurato come ultimo passaggio, dopo la creazione dell'immagine di addestramento del contenitore e la configurazione di un algoritmo del modello.

Console

Nota

Una volta associato, l'algoritmo del modello non può essere modificato. Per apportare modifiche, è possibile eliminare l'algoritmo del modello associato e associarne uno nuovo.

Per associare un algoritmo di modello ML personalizzato (console)

1. Accedi a AWS Management Console e apri la AWS Clean Rooms console all'indirizzo https://console.aws.amazon.com/cleanrooms.

2. Nel riquadro di navigazione a sinistra, scegli Modelli ML personalizzati.

3. Nella pagina Modelli ML personalizzati, scegli l'algoritmo del modello configurato che desideri associare a una collaborazione, quindi scegli Associa alla collaborazione.

4. Nella finestra Associa algoritmo del modello configurato, scegli la collaborazione a cui desideri associarti.

5. Scegliete Scegli la collaborazione.

6. Nella pagina Associa algoritmo del modello, per i dettagli dell'associazione dell'algoritmo del modello, inserisci un nome e una descrizione facoltativa.

7. Per Algoritmo modello, scegliete un algoritmo di modello configurato.

8. Per le configurazioni di privacy di esportazione del modello Trained,

   1. Per esportare i file del modello, selezionate la casella di controllo Model files.

   2. Per esportare i file di output, selezionate la casella di controllo File di output.

   3. Immettete un valore di dimensione massima per i dati esportati. Il valore deve essere compreso tra 0,01 e 10.

9. (Facoltativo) Se desideri inviare registri degli errori completi o riepiloghi degli errori più brevi ai membri, in Trained model inference job privacy configuration,

   1. In Full logs, seleziona uno o più account IDs dall'elenco a discesa.

   2. (Facoltativo) Se desideri inviare registri che corrispondono a uno schema di filtro, inserisci un modello di filtro.

   3. (Facoltativo) Se desideri aggiungere un altro account e uno schema di filtro opzionale, scegli Aggiungi politica di registro.

   4. In Riepiloghi degli errori, seleziona uno o più account IDs dall'elenco a discesa.

   5. (Facoltativo) Seleziona una o più entità da oscurare per specificare quali entità verranno cancellate dal registro degli errori o dai riepiloghi degli errori.

      • PII: oscura le informazioni di identificazione personale

      • Numeri: redigere i numeri

      • Personalizzato: oscura in base allo schema di redazione personalizzato

      1. Se hai scelto Personalizzato nel passaggio precedente, inserisci un modello di redazione personalizzato. In questo modo vengono registrate le informazioni che corrispondono a questo modello.

      2. (Facoltativo) Se desideri aggiungere un altro modello di redazione personalizzato, scegli Aggiungi un altro modello personalizzato.

10. (Facoltativo) Se desideri configurare le metriche del modello addestrato, in Configurazione delle metriche del modello addestrato, seleziona un livello di rumore dall'elenco a discesa.

    Puoi scegliere Nessuno, Basso, Medio e Alto.

11. (Facoltativo) Se desideri impostare la dimensione massima degli artefatti, in Configurazione degli artefatti, inserisci il valore Dimensione massima degli artefatti. Il valore deve essere compreso tra 0,01 e 10.

12. (Facoltativo) Se desideri abilitare i tag, scegli Aggiungi nuovo tag e inserisci la coppia Chiave e Valore.

13. Selezionare Associate (Associa).

API

Per associare un algoritmo di modello ML personalizzato (API)

Esegui il codice seguente con i tuoi parametri specifici.

Fornisci inoltre un'informativa sulla privacy che definisce chi ha accesso ai diversi registri, consente ai clienti di definire le espressioni regolari e la quantità di dati che possono essere esportati dagli output del modello di addestramento o dai risultati dell'inferenza.

Nota

Le associazioni degli algoritmi dei modelli configurati sono immutabili.

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',
    configuredModelAlgorithmArn='arn:aws:cleanrooms-ml:region:account:membership/membershipIdentifier/configured-model-algorithm/identifier',
    privacyConfiguration={
        "policies": {
            "trainedModelExports": {
                "filesToExport": ['files to export'],
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            } 
                        } 
                    }
                ],
                "containerMetrics": {
                    "noiseLevel": 'noise value'
                },
                "maxArtifactSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            },
            "trainedModelInferenceJobs": {
                "containerLogs": [
                    {
                        "allowedAccountIds": ['member_account_id'],
                        "filterPattern": ['filter pattern'],     
                        "logRedactionConfiguration": {
                            "entitiesToRedact": [
                                'ALL_PERSONALLY_IDENTIFIABLE_INFORMATION',
                                'NUMBERS',
                                'CUSTOM'
                            ],
                            "customEntityConfig": {
                                "customDataIdentifiers": [
                                    'custom_regex_1',
                                    'custom_regex_2'
                                ] 
                            }
                        }
                    }
                ],
                "maxOutputSize": {
                    "unit": 'unit',
                    "value": 'number'
                }
            }
        }
    },
    tags={
        'tag': 'tag'
    }
)

Dopo aver associato l'algoritmo del modello configurato alla collaborazione, i fornitori di dati di formazione devono aggiungere una regola di analisi della collaborazione alla propria tabella. Questa regola consente all'associazione dell'algoritmo del modello configurato di accedere alla tabella configurata. Tutti i fornitori di dati di formazione che contribuiscono devono eseguire il codice seguente:

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': []
            }
        }
    }
)

Nota

Poiché le associazioni degli algoritmi dei modelli configurati sono immutabili, consigliamo di addestrare i fornitori di dati che desiderano consentire l'utilizzo dei modelli nell'elenco affinché utilizzino le wild card allowedAdditionalAnalyses durante le prime iterazioni della configurazione personalizzata del modello. Ciò consente ai fornitori di modelli di iterare sul proprio codice senza richiedere ad altri fornitori di formazione di riassociarsi prima di addestrare il codice del modello aggiornato con i dati.