AWS Clean Rooms ML で設定されたモデルアルゴリズムの関連付け - AWS Clean Rooms

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

AWS Clean Rooms ML で設定されたモデルアルゴリズムの関連付け

モデルアルゴリズムを設定したら、モデルアルゴリズムをコラボレーションに関連付ける準備が整います。モデルアルゴリズムを関連付けると、モデルアルゴリズムはコラボレーションのすべてのメンバーが使用できます。

次の図は、コンテナトレーニングイメージを作成し、モデルアルゴリズムを設定した後、設定されたモデルアルゴリズムを最後のステップとして関連付ける方法を示しています。

カスタム ML モデルを提供する方法の概要。
Console
カスタム ML モデルアルゴリズムを関連付けるには (コンソール）

  1. にサインイン AWS Management Console し、https://console.aws.amazon.com/cleanrooms で AWS Clean Rooms コンソールを開きます。

  2. 左側のナビゲーションペインで、カスタム ML モデルを選択します。

  3. カスタム ML モデルページで、コラボレーションに関連付ける設定済みモデルアルゴリズムを選択し、コラボレーションに関連付けるをクリックします。

  4. 設定されたモデルアルゴリズムの関連付けウィンドウで、関連付けるコラボレーションを選択します。

  5. [コラボレーションを選ぶ] を選択します。

API

カスタム ML モデルアルゴリズムを関連付けるには (API)

特定のパラメータで次のコードを実行します。

また、異なるログにアクセスできるユーザーを定義し、顧客が正規表現を定義できるようにし、トレーニングモデルの出力または推論結果からエクスポートできるデータの量を定義するプライバシーポリシーも提供します。

注記

設定されたモデルアルゴリズムの関連付けはイミュータブルです。

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
                ]
            } 
        }
    }
)

設定されたモデルアルゴリズムがコラボレーションに関連付けられると、トレーニングデータプロバイダーはテーブルにコラボレーション分析ルールを追加する必要があります。このルールにより、設定されたモデルアルゴリズムの関連付けが設定されたテーブルにアクセスできるようになります。貢献するすべてのトレーニングデータプロバイダーは、次のコードを実行する必要があります。

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': []
            }
        }
    }
)
注記

設定されたモデルアルゴリズムの関連付けはイミュータブルであるため、カスタムモデル設定の最初の数回の反復allowedAdditionalAnalysesで でワイルドカードを使用できるようにモデルを一覧表示したいデータプロバイダーをトレーニングすることをお勧めします。これにより、モデルプロバイダーは、更新されたモデルコードをデータでトレーニングする前に、他のトレーニングプロバイダーが再関連付けする必要なく、コードを繰り返し実行できます。