Lomai “ML_Full_Access” ir izšķiroša loma DeepSeek konfigurācijā un integrācijā ar OpenSearch pakalpojumu. Šī loma ir daļa no OpenSearch Security spraudņa, un to izmanto, lai pārvaldītu piekļuvi mašīnmācīšanās (ML) funkcijām OpenSearch.
lomu apraksts
Lomai “ML_Full_Access” ir pilnīga piekļuve visām ML funkcijām OpenSearch. Tas ietver iespēju sākt jaunus ML uzdevumus, lasīt modeļus un izdzēst modeļus. Tas nodrošina visaptverošu kontroli pār ML funkcijām, padarot to būtisku lietotājiem, kuriem ir jāpārvalda un jāveic ML uzdevumi OpenSearch [2].
integrācija ar DeepSeek
Integrējot DeepSeek ar OpenSearch, tiek izmantota loma “Ml_full_access”, lai nodrošinātu, ka autentificētas entītijas var izpildīt API zvanus, kas saistīti ar ML uzdevumiem. Tas ietver savienotāju izveidi ar ārējiem modeļiem, piemēram, tiem, ko nodrošina DeepSeek. Kartējot IAM lomas lomai “ml_full_access”, lietotāji var nodrošināt, ka viņu AWS identitātei ir nepieciešamās atļaujas, lai mijiedarbotos ar DeepSeek modeļiem, izmantojot OpenSearch [1] [3].
konfigurācijas darbības
Lai konfigurētu lomu `ml_full_access` lietošanai ar DeepSeek, jūs parasti veicat šīs darbības:
1. Izveidojiet IAM lomas: ģenerējiet IAM lomas, kas ļauj OpenSearch mijiedarboties ar Sagemaker parametru un izveidot savienotājus. Šīs lomas ir būtiskas, lai izveidotu nepieciešamās atļaujas un uzticības attiecības [1].
2. Kartes aizmugures lomas: OpenSearch informācijas paneļos pārejiet uz lomu `ml_full_access` un kartējiet IAM lomu, kas radīta iepriekš, lai aizmugures lomas. Šis solis nodrošina, ka lietotājiem ar šīm IAM lomām ir pilnīga pieeja ML funkcijām OpenSearch [3] [6].
3. Pārbaudiet iestatīšanu: Pēc lomu un atļauju konfigurēšanas pārbaudiet, vai iestatīšana darbojas, izmantojot testa vaicājumus, izmantojot OpenSearch informācijas paneļus. Tas nodrošina, ka jūs varat veiksmīgi izveidot savienojumu ar DeepSeek modeļiem un veikt ML uzdevumus [1].
Rezumējot, `ml_full_access` loma ir būtiska, lai pārvaldītu ML funkcijas OpenSearch un nodrošinātu nemanāmu integrāciju ar DeepSeEK modeļiem, nodrošinot nepieciešamās atļaujas ML uzdevumu veikšanai un ārējiem modeļiem.
Atsauces:
[1] https://aws.amazon.com/blogs/big-data/use-depseek-with-amazon-opensearch-service-vector-database-and-amazon-sagemaker/
[2] https://opensearch.org/docs/latest/ml-commons-plugin/model-access-control/
[3] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_on_sagemaker.md
[4] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_on_bedrock.md
[5] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/deepseek_demo_notebook_for_rag.ipynb
[6.]
[7] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_chat_model.md
[8] https://zilliz.com/ai-faq/what-apis-does-depseek-provide-for-model-access