本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 在不使用快速入门模板的情况下设置 Neptune ML Amazon CloudFormation
本指南提供了在不使用 Amazon Amazon CloudFormation 快速入门模板的情况下设置 Amazon Neptune 机器学习的 step-by-step说明。本指南假设您已经有一个正在运行的 Neptune 数据库集群，其中涵盖了启用 Neptune ML 所必需的设置，包括安装 Neptune-Export 服务、创建自定义 IAM 角色以及配置数据库集群。该指南还介绍了如何在您的 Neptune VPC 中创建两个 SageMaker AI 终端节点，以便让 Neptune 引擎访问必要的 AI 管理。 SageMaker APIs按照这些说明进行操作，您无需依赖模板即可在现有的 Neptune 基础架构上设置 Neptune ML。 Amazon CloudFormation
## 从正常运行的 Neptune 数据库集群开始
如果您不使用 Amazon CloudFormation 快速入门模板来设置 Neptune ML，则需要使用现有的 Neptune 数据库集群。如果您愿意，您可以使用已经拥有的一个集群，或者克隆一个您已经在使用的集群，也可以创建一个新集群（请参阅[创建 Neptune 集群](get-started-create-cluster.md)）。
## 安装 Neptune-Export 服务
如果您还没有这样做，请安装 Neptune-Export 服务，如[使用 Neptune-Export 服务导出 Neptune 数据](export-service.md)中所述。
使用以下设置向安装过程创建的 `NeptuneExportSecurityGroup` 安全组添加入站规则：
+ *类型*：`Custom TCP`
+ *协议：*`TCP`
+ *端口范围*：`80 - 443`
+ *源*：{{(Neptune DB cluster security group ID)}}
## 创建自定义 NeptuneLoadFrom S3 IAM 角色
如果您尚未这样做，请创建自定义 `NeptuneLoadFromS3` IAM 角色，如[创建 IAM 角色以访问 Amazon S3](bulk-load-tutorial-IAM-CreateRole.md)中所述。
## 创建自定义 NeptuneSageMakerIAMRole 角色
使用 [IAM 控制台](https://console.amazonaws.cn/iam/)通过以下策略创建自定义 `NeptuneSageMakerIAMRole`：
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Action": [
"ec2:CreateNetworkInterface",
"ec2:CreateNetworkInterfacePermission",
"ec2:CreateVpcEndpoint",
"ec2:DeleteNetworkInterface",
"ec2:DeleteNetworkInterfacePermission",
"ec2:DescribeDhcpOptions",
"ec2:DescribeNetworkInterfaces",
"ec2:DescribeRouteTables",
"ec2:DescribeSecurityGroups",
"ec2:DescribeSubnets",
"ec2:DescribeVpcEndpoints",
"ec2:DescribeVpcs"
],
"Resource": "*",
"Effect": "Allow"
},
{
"Action": [
"ecr:GetAuthorizationToken",
"ecr:GetDownloadUrlForLayer",
"ecr:BatchGetImage",
"ecr:BatchCheckLayerAvailability"
],
"Resource": "*",
"Effect": "Allow"
},
{
"Action": [
"iam:PassRole"
],
"Resource": [
"arn:aws:iam::*:role/*"
],
"Condition": {
"StringEquals": {
"iam:PassedToService": [
"sagemaker.amazonaws.com"
]
}
},
"Effect": "Allow"
},
{
"Action": [
"kms:CreateGrant",
"kms:Decrypt",
"kms:GenerateDataKey*"
],
"Resource": "arn:aws:kms:*:*:key/*",
"Effect": "Allow"
},
{
"Action": [
"logs:CreateLogGroup",
"logs:CreateLogStream",
"logs:PutLogEvents",
"logs:DescribeLogGroups",
"logs:DescribeLogStreams",
"logs:GetLogEvents"
],
"Resource": [
"arn:aws:logs:*:*:log-group:/aws/sagemaker/*"
],
"Effect": "Allow"
},
{
"Action": [
"sagemaker:AddTags",
"sagemaker:CreateEndpoint",
"sagemaker:CreateEndpointConfig",
"sagemaker:CreateHyperParameterTuningJob",
"sagemaker:CreateModel",
"sagemaker:CreateProcessingJob",
"sagemaker:CreateTrainingJob",
"sagemaker:CreateTransformJob",
"sagemaker:DeleteEndpoint",
"sagemaker:DeleteEndpointConfig",
"sagemaker:DeleteModel",
"sagemaker:DescribeEndpoint",
"sagemaker:DescribeEndpointConfig",
"sagemaker:DescribeHyperParameterTuningJob",
"sagemaker:DescribeModel",
"sagemaker:DescribeProcessingJob",
"sagemaker:DescribeTrainingJob",
"sagemaker:DescribeTransformJob",
"sagemaker:InvokeEndpoint",
"sagemaker:ListTags",
"sagemaker:ListTrainingJobsForHyperParameterTuningJob",
"sagemaker:StopHyperParameterTuningJob",
"sagemaker:StopProcessingJob",
"sagemaker:StopTrainingJob",
"sagemaker:StopTransformJob",
"sagemaker:UpdateEndpoint",
"sagemaker:UpdateEndpointWeightsAndCapacities"
],
"Resource": [
"arn:aws:sagemaker:*:*:*"
],
"Effect": "Allow"
},
{
"Action": [
"sagemaker:ListEndpointConfigs",
"sagemaker:ListEndpoints",
"sagemaker:ListHyperParameterTuningJobs",
"sagemaker:ListModels",
"sagemaker:ListProcessingJobs",
"sagemaker:ListTrainingJobs",
"sagemaker:ListTransformJobs"
],
"Resource": "*",
"Effect": "Allow"
},
{
"Action": [
"s3:GetObject",
"s3:PutObject",
"s3:DeleteObject",
"s3:AbortMultipartUpload",
"s3:ListBucket"
],
"Resource": [
"arn:aws:s3:::*"
],
"Effect": "Allow"
}
]
}
```
------
创建此角色时，请编辑信任关系，使其内容如下所示：
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Principal": {
"Service": [
"ec2.amazonaws.com",
"rds.amazonaws.com",
"sagemaker.amazonaws.com"
]
},
"Action": "sts:AssumeRole"
}
]
}
```
------
最后，复制分配给这个新 `NeptuneSageMakerIAMRole` 角色的 ARN。
**重要**
请确保 `NeptuneSageMakerIAMRole` 中的 Amazon S3 权限与上述权限一致。
通用 ARN `arn:aws:s3:::*` 用于上述策略中的 Amazon S3 资源。如果由于某种原因无法使用通用 ARN，则必须将 `arn:aws:s3:::graphlytics*` 和 Neptune ML 命令将使用的任何其他客户 Amazon S3 资源的 ARN 添加到资源部分。
## 配置数据库集群以启用 Neptune ML
**要为 Neptune ML 设置数据库集群**
1. 在 [Neptune 控制台](https://console.amazonaws.cn/neptune)中，导航到**参数组**，然后导航到与要使用的数据库集群关联的数据库集群参数组。将 `neptune_ml_iam_role` 参数设置为分配给您刚刚创建的 `NeptuneSageMakerIAMRole` 角色的 ARN。
1. 导航到数据库，然后选择要用于 Neptune ML 的数据库集群。选择**操作**，然后选择**管理 IAM 角色**。
1. 在**管理 IAM 角色**页面上，选择**添加角色**并添加 `NeptuneSageMakerIAMRole`。然后添加 `NeptuneLoadFromS3` 角色。
1. 重启数据库集群的写入器实例。
## 在你的 Neptune VPC 中创建两个 SageMaker AI 终端节点
最后，要向 Neptune 引擎提供必要的 SageMaker AI 管理权限 APIs，您需要在 Neptune VPC 中创建两个 SageMaker AI 终端节点，如中所述。[在你的 Neptune VP SageMaker C 中为人工智能创建两个终端节点](machine-learning-cluster-setup.md#machine-learning-sm-endpoints)