SageMaker AI トレーニングジョブ - Amazon SageMaker AI

View a markdown version of this page

SageMaker AI トレーニングジョブ - Amazon SageMaker AI
概要開始方法

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

SageMaker AI トレーニングジョブ

Amazon SageMaker AI Training Jobs は、AI/ML モデルを大規模に効率的にトレーニングするために使用できるフルマネージドサービスです。SageMaker AI トレーニングジョブを使用すると、モデルのカスタマイズ用にコンピューティングインスタンスを選択および管理できます。インスタンスタイプと設定を完全に制御できます。ジョブはエフェメラル - インスタンスはトレーニング期間中にプロビジョニングされ、完了時に解放されます。SageMaker AI トレーニングジョブの詳細については、Amazon SageMakerでモデルをトレーニングする」を参照してください。

インスタンスを選択せずにフルマネージドエクスペリエンスを実現するには、「」を参照してくださいサーバーレスモデルのカスタマイズ。

概要

リージョン別の可用性

SageMaker AI トレーニングジョブは、すべての SageMaker AI リージョンで利用できます。

インターフェイス

recipe

SageMaker AI レシピを使用して、事前設定されたトレーニングレシピを実行します。レシピは SageMaker AI トレーニングジョブと HyperPod の両方で動作し、データセットのロード、分散トレーニング、チェックポイント管理を自動化します。

Python SDK V3 (ModelTrainer)

SageMaker AI Python SDK の ModelTrainer クラスを使用して、インスタンスの選択と設定を完全に制御してトレーニングジョブをプログラムで送信します。

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 (レガシーモデル)

古いモデルの場合は、モデル詳細カード → Studio のトレーニングボタンを使用します。このフローにより、インスタンスの選択とハイパーパラメータの設定が可能になります。

サポートされている手法

  • SFT、DPO、RLVR、RLAIF (レシピ経由)

  • PPO (Amazon Nova モデルのみ)

  • CPT (継続的なトレーニング前)

サポートされているトレーニングタイプ

  • LoRA

  • FFT (フルファインチューニング)

開始方法

レシピを使用して SageMaker AI トレーニングジョブを開始するには:

  1. recipes リポジトリのクローンを作成します。

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

  2. モデルと手法recipes_collection/recipes/fine-tuning/のレシピを から選択します。

  3. レシピ YAML ファイルでトレーニングデータパスとハイパーパラメータを設定します。

  4. ランチャースクリプトを使用してトレーニングジョブを起動します。

詳細なチュートリアルについては、SageMaker AI HyperPod レシピのドキュメントを参照してください。