Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

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。

配置自动训练

创建解决方案时，您可以配置解决方案是否使用自动训练。还可以配置训练频率。例如，您可以将解决方案配置为每五天创建一个新的解决方案版本。

默认情况下，所有新解决方案都使用自动训练，每 7 天创建一个新的解决方案版本。只有在自上次训练以来导入了批量交互数据或实时交互数据时，才会进行自动训练。这包括项目交互，或者对于使用 Next-Best-Action配方的解决方案，包括操作交互数据。自动训练会持续运行，直到您删除解决方案。

我们建议您使用自动训练。自动训练使维护解决方案变得更加容易。有了自动训练，解决方案从最新数据中学习就不再需要手动训练。如果没有自动训练，则必须手动为解决方案创建新的解决方案版本，这样才能从最新数据中学习。没有自动训练会导致推荐内容过时和转化率下降。有关维护 Amazon Personalize 推荐的更多信息，请参阅维护建议相关性。

您可以使用 Amazon Personalize 控制台 Amazon Command Line Interface （Amazon CLI）或配置自动培训 Amazon SDKs。有关使用控制台配置自动训练的步骤，请参阅创建解决方案（控制台）。

创建解决方案后，记录解决方案ARN以备将来使用。通过自动训练，解决方案版本的创建将在解决方案发布后的一小时内开始ACTIVE。如果您在一小时内手动创建解决方案版本，则解决方案会跳过第一次自动训练。训练开始后，您可以通过ListSolutionVersionsAPI操作获取解决方案版本的 Amazon 资源名称 (ARN)。要获取其状态，请使用DescribeSolutionVersionAPI操作。

指南和要求

以下是自动训练的准则和要求：

配置自动训练（Amazon CLI）

以下代码向您展示了如何创建每五天自动创建解决方案版本的解决方案。要关闭自动训练，请将 perform-auto-training 设置为 false。

要更改训练频率，可以修改 autoTrainingConfig 中的 schedulingExpression。表达式必须采用以下格式：rate(value unit)。对于值，指定一个介于 1 和 30 之间的数字。对于单位，请指定 day 或 days。

有关 create-solution 命令的详细说明，请参阅创建解决方案 (Amazon CLI)。

aws personalize create-solution \
--name solution name \
--dataset-group-arn dataset group ARN \
--recipe-arn recipe ARN \
--perform-auto-training \
--solution-config "{\"autoTrainingConfig\": {\"schedulingExpression\": \"rate(5 days)\"}}"

配置自动训练（SDKs）

以下代码向您展示了如何使用自动训练来创建解决方案 Amazon SDKs。该解决方案每五天自动创建一个解决方案版本。要关闭自动训练，请将 performAutoTraining 设置为 false。

要更改训练频率，可以修改 autoTrainingConfig 中的 schedulingExpression。表达式必须采用以下格式：rate(value unit)。对于值，指定一个介于 1 和 30 之间的数字。对于单位，请指定 day 或 days。

有关该 CreateSolution API操作的完整说明，请参阅创建解决方案 (Amazon SDKs)。

SDK for Python (Boto3)

import boto3

personalize = boto3.client('personalize')

create_solution_response = personalize.create_solution(
  name = 'solution name',
  recipeArn = 'recipe ARN',
  datasetGroupArn = 'dataset group ARN',
  performAutoTraining = True,
  solutionConfig = {
    "autoTrainingConfig": {
      "schedulingExpression": "rate(5 days)"
    }
  }
)
solution_arn = create_solution_response['solutionArn']
print('solution_arn: ', solution_arn)

SDK for JavaScript v3

import {
  CreateSolutionCommand,
  PersonalizeClient,
} from "@aws-sdk/client-personalize";

// create client
const personalizeClient = new PersonalizeClient({ region: "REGION" });

// set the solution parameters
export const solutionParam = {
  datasetGroupArn: "DATASET_GROUP_ARN" /* required */,
  recipeArn: "RECIPE_ARN" /* required */,
  name: "SOLUTION_NAME" /* required */,
  performAutoTraining: true /* optional, default is true */,
  solutionConfig: {
    autoTrainingConfig: {
      schedulingExpression:
        "rate(5 days)" /* optional, default is every 7 days */,
    },
  },
};

export const run = async () => {
  try {
    const response = await personalizeClient.send(
      new CreateSolutionCommand(solutionParam)
    );
    console.log("Success", response);
    return response; // For unit tests.
  } catch (err) {
    console.log("Error", err);
  }
};
run();

您可以使用以下 Python 代码来等待自动训练开始。该wait_for_training_to_start方法返回第一个解决方案版本的。ARN

import time
import boto3

def wait_for_training_to_start(new_solution_arn):
    max_time = time.time() + 3 * 60 * 60    # 3 hours
    while time.time() < max_time:
        list_solution_versions_response = personalize.list_solution_versions(
            solutionArn=new_solution_arn
        )
        solution_versions = list_solution_versions_response.get('solutionVersions', [])
        if solution_versions:
            new_solution_version_arn = solution_versions[0]['solutionVersionArn']
            print(f"Solution version ARN: {new_solution_version_arn}")
            return new_solution_version_arn
        else:
            print(f"Training hasn't started yet. Training will start within the next hour.")
            time.sleep(60)


personalize = boto3.client('personalize')

solution_arn = "solution_arn"
solution_version_arn = wait_for_training_to_start(solution_arn)