SageMaker Lowongan AI Training - Amazon SageMaker AI

View a markdown version of this page

SageMaker Lowongan AI Training - Amazon SageMaker AI
Gambaran umumMemulai

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

SageMaker Lowongan AI Training

Amazon SageMaker AI Training Jobs adalah layanan yang dikelola sepenuhnya yang dapat Anda gunakan untuk melatih AI/ML model secara efisien dalam skala besar. Dengan SageMaker Pekerjaan Pelatihan AI, Anda dapat memilih dan mengelola instans komputasi untuk penyesuaian model. Anda memiliki kontrol penuh atas jenis instans dan konfigurasi. Pekerjaan bersifat sementara — instance disediakan selama pelatihan dan dirilis setelah selesai. Untuk informasi selengkapnya tentang Pekerjaan Pelatihan SageMaker AI, lihat Mel atih Model dengan Amazon SageMaker AI.

Untuk pengalaman yang dikelola sepenuhnya tanpa pemilihan instance, lihatKustomisasi model tanpa server.

Gambaran umum

Ketersediaan wilayah

SageMaker Pekerjaan Pelatihan AI tersedia di semua wilayah SageMaker AI.

Antarmuka

Resep

Jalankan resep pelatihan yang telah dikonfigurasi sebelumnya menggunakan Resep SageMaker AI. Resep bekerja dengan Pekerjaan Pelatihan SageMaker AI dan HyperPod, mengotomatiskan pemuatan kumpulan data, pelatihan terdistribusi, dan manajemen pos pemeriksaan.

PythonSDK V3 (ModelTrainer)

Gunakan ModelTrainer kelas dari SageMaker AI Python SDK untuk mengirimkan pekerjaan pelatihan secara terprogram dengan kontrol penuh atas pemilihan dan konfigurasi instans.

from sagemaker.modules.train import ModelTrainer
from sagemaker.modules.configs import Compute, InputData

trainer = ModelTrainer(
    training_image="my-training-image",
    role="arn:aws:iam::123456789012:role/SageMakerRole",
    compute=Compute(instance_type="ml.p4d.24xlarge", instance_count=2)
)

trainer.train(input_data_config=[
    InputData(channel_name="training", data_source="s3://my-bucket/train")
])
Studio (model lama)

Untuk model lama, gunakan kartu detail model → tombol Kereta di Studio. Alur ini memungkinkan pemilihan instance dan konfigurasi hyperparameter.

Teknik yang didukung

  • SFT, DPO, RLVR, RLAIF (melalui Resep)

  • PPO (hanya model Amazon Nova)

  • CPT (Lanjutan Pre-Training)

Jenis pelatihan yang didukung

  • LoRA

  • FFT (Penuh Fine-Tuning)

Memulai

Untuk memulai dengan Pekerjaan SageMaker Pelatihan AI menggunakan Resep:

  1. Kloning repositori resep: 

    git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git
cd sagemaker-hyperpod-recipes
pip3 install -r requirements.txt

  2. Pilih resep recipes_collection/recipes/fine-tuning/ untuk model dan teknik Anda.

  3. Konfigurasikan jalur data pelatihan dan hyperparameter Anda dalam file YAML resep.

  4. Luncurkan pekerjaan pelatihan menggunakan skrip peluncur.

Untuk tutorial terperinci, lihat dokumentasi HyperPod resep SageMaker AI.