SageMaker Offerte di lavoro di formazione sull'IA - Amazon SageMaker AI

View a markdown version of this page

SageMaker Offerte di lavoro di formazione sull'IA - Amazon SageMaker AI
Panoramica diNozioni di base

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

SageMaker Offerte di lavoro di formazione sull'IA

Amazon SageMaker AI Training Jobs è un servizio completamente gestito che puoi utilizzare per addestrare in modo efficiente AI/ML modelli su larga scala. Con SageMaker AI Training Jobs, puoi selezionare e gestire le istanze di calcolo per la personalizzazione del modello. Hai il pieno controllo sul tipo e sulla configurazione delle istanze. I lavori sono effimeri: le istanze vengono assegnate per la durata del training e rilasciate una volta completate. Per ulteriori informazioni sui lavori di formazione con SageMaker intelligenza artificiale, consulta Train a Model with Amazon AI. SageMaker

Per un'esperienza completamente gestita senza selezione di istanze, consultaPersonalizzazione del modello serverless.

Panoramica di

Disponibilità regionale

SageMaker AI Training Jobs è disponibile in tutte le regioni SageMaker AI.

Interfacce

Ricette

Esegui ricette di formazione preconfigurate utilizzando SageMaker AI Recipes. Le ricette funzionano sia con SageMaker AI Training Jobs sia HyperPod con l'automazione del caricamento dei set di dati, della formazione distribuita e della gestione dei checkpoint.

PythonSDK V3 () ModelTrainer

Usa la ModelTrainer classe di SageMaker AI Python SDK per inviare lavori di formazione in modo programmatico con il pieno controllo sulla selezione e sulla configurazione delle istanze.

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 (modelli precedenti)

Per i modelli precedenti, usa la scheda con i dettagli del modello → il pulsante Train in Studio. Questo flusso consente la selezione delle istanze e la configurazione degli iperparametri.

Tecniche supportate

  • SFT, DPO, RLVR, RLAIF (tramite Ricette)

  • PPO (solo modelli Amazon Nova)

  • CPT (continua) Pre-Training

Tipi di formazione supportati

  • LoRA

  • FFT (completo Fine-Tuning)

Nozioni di base

Per iniziare con SageMaker AI Training Jobs usando Recipes:

  1. Clona l'archivio delle ricette: 

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

  2. Scegli una ricetta recipes_collection/recipes/fine-tuning/ per il tuo modello e la tua tecnica.

  3. Configura il percorso dei dati di allenamento e gli iperparametri nel file YAML della ricetta.

  4. Avvia il processo di formazione utilizzando lo script di avvio.

Per tutorial dettagliati, consulta la documentazione sulle ricette SageMaker AI HyperPod .