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。

- Console
-
注記
モデルアルゴリズムを関連付けた後は、編集できません。変更するには、関連付けられたモデルアルゴリズムを削除し、新しいモデルアルゴリズムを関連付けます。
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)
-
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。 -
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。
-
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選択します。
-
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。
-
[コラボレーションを選ぶ] を選択します。
-
モデルアルゴリズムの関連付けページで、モデルアルゴリズムの関連付けの詳細に名前とオプションの説明を入力します。
-
Model algorithm で、Configured model algorithm を選択します。
-
トレーニング済みモデルのエクスポートプライバシー設定の場合、
-
モデルファイルをエクスポートするには、モデルファイルのチェックボックスをオンにします。
-
出力ファイルをエクスポートするには、出力ファイルのチェックボックスをオンにします。
-
エクスポートされたデータの最大サイズ値を入力します。値は 0.01 から 10 の間である必要があります。
-
-
(オプション) トレーニング済みモデル推論ジョブのプライバシー設定で、完全なエラーログまたは短いエラー概要をメンバーに送信する場合は、
-
フルログで、ドロップダウンリストから 1 つ以上のアカウント IDs を選択します。
-
(オプション) フィルターパターンに一致するログを送信する場合は、フィルターパターンを入力します。
-
(オプション) 別のアカウントとオプションのフィルターパターンを追加する場合は、ログポリシーの追加を選択します。
-
エラーの概要で、ドロップダウンリストから 1 つ以上のアカウント IDs を選択します。
-
(オプション) 編集するエンティティを 1 つ以上選択して、エラーログまたはエラー概要から編集するエンティティを指定します。
-
PII – 個人を特定できる情報の編集
-
数値 – 数値の編集
-
カスタム – カスタム秘匿化パターンに基づいて秘匿化
-
前のステップでカスタムを選択した場合は、カスタムリダクションパターンを入力します。これにより、このパターンに一致する情報がログに記録されます。
-
(オプション) 別のカスタム編集パターンを追加する場合は、別のカスタムパターンを追加するを選択します。
-
-
-
(オプション) トレーニング済みモデルメトリクスを設定する場合は、トレーニング済みモデルメトリクス設定で、ドロップダウンリストからノイズレベルを選択します。
None、Low、Medium、High を選択できます。
-
(オプション) アーティファクトの最大サイズを設定する場合は、アーティファクトの最大サイズ値を入力します。値は 0.01 から 10 の間である必要があります。
-
(オプション) タグを有効にする場合は、新しいタグを追加を選択し、キーと値のペアを入力します。
-
[関連付ける] を選択してください。
-
- API
-
カスタム ML モデルアルゴリズムを関連付けるには (API)
特定のパラメータを使用して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
', 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
' } )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。このルールは、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することを許可します。すべての貢献する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。