Amazon Nova-Anpassung auf SageMaker HyperPod

Sie können Amazon Nova-Modelle, einschließlich der verbesserten Nova 2.0-Modelle, mithilfe von Amazon Nova-Rezepten anpassen und sie auf Hyperpod trainieren. Ein Rezept ist eine YAML-Konfigurationsdatei, die der SageMaker KI Details zur Ausführung Ihres Modellanpassungsjobs liefert. SageMaker HyperPod unterstützt zwei Arten von Diensten: Forge und Non-forge.

Hyperpod bietet Hochleistungsdatenverarbeitung mit optimierten GPU-Instances und Amazon FSx for Lustre-Speicher, robustes Monitoring durch Integration mit Tools wie flexiblem Checkpoint-Management zur iterativen Verbesserung TensorBoard, nahtlose Bereitstellung auf Amazon Bedrock für Inferenz und effizientes, skalierbares, verteiltes Training mit mehreren Knoten — all das arbeitet zusammen, um Unternehmen eine sichere, leistungsstarke und flexible Umgebung zu bieten, in der sie Nova-Modelle an ihre spezifischen Geschäftsanforderungen anpassen können.

Die Amazon Nova-Anpassung an SageMaker HyperPod speichert Modellartefakte, einschließlich Modell-Checkpoints, in einem vom Service verwalteten Amazon S3-Bucket. Artefakte im vom Service verwalteten Bucket werden mit Schlüsseln verschlüsselt. SageMaker AI-managed AWS KMS Service-managed Amazon S3-Buckets unterstützen derzeit keine Datenverschlüsselung mit vom Kunden verwalteten KMS-Schlüsseln. Sie können diesen Checkpoint-Standort für Bewertungsjobs oder Amazon-Bedrock-Inferenz verwenden.

Standardpreise können für Datenverarbeitungs-Instances, Amazon-S3-Speicher und FSx für Lustre gelten. Preisdetails finden Sie unter Hyperpod-Preise, Amazon S3-Preise und FSx for Lustre-Preise.

Berechnen Sie die Anforderungen für Amazon Nova 1-Modelle

In den folgenden Tabellen sind die Rechenanforderungen für Nova 1.0-Modelle SageMaker HyperPod und die Ausbildung im Bereich SageMaker KI für Jobs und Schulungen zusammengefasst.