Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Einreichung von Aufträgen zur Anpassung von KI-Modellen
Auf die Funktion zur Anpassung von SageMaker KI-Modellen kann über die Modellseite von Amazon SageMaker Studio im linken Bereich zugegriffen werden. Sie finden auch die Seite Assets, auf der Sie Ihre Datensätze und Evaluatoren zur Modellanpassung erstellen und verwalten können.
Um mit der Einreichung eines Auftrags zur Modellanpassung zu beginnen, wählen Sie die Option Modelle aus, um auf die Registerkarte Jumpstart-Basismodelle zuzugreifen:
Sie können direkt auf der Modellkarte auf Modell anpassen klicken oder Sie können in Meta nach einem beliebigen Modell suchen, das Sie anpassen möchten.
Wenn Sie auf die Modellkarte klicken, können Sie auf die Seite mit den Modelldetails zugreifen und den Anpassungsjob starten, indem Sie auf Modell anpassen klicken und dann Mit UI anpassen auswählen, um mit der Konfiguration Ihres RLVR-Jobs zu beginnen.
Anschließend können Sie den Namen Ihres benutzerdefinierten Modells eingeben, die zu verwendende Methode zur Modellanpassung auswählen und Ihre Job-Hyperparameter konfigurieren:
Einreichung von Aufträgen zur Anpassung von KI-Modellen mithilfe des SDK
Sie können auch das SageMaker AI Python SDK verwenden, um einen Job zur Modellanpassung einzureichen:
# Submit a DPO model customization job from sagemaker.modules.train.dpo_trainer import DPOTrainer from sagemaker.modules.train.common import TrainingType trainer = DPOTrainer( model=BASE_MODEL, training_type=TrainingType.LORA, model_package_group_name=MODEL_PACKAGE_GROUP_NAME, training_dataset=TRAINING_DATASET, s3_output_path=S3_OUTPUT_PATH, sagemaker_session=sagemaker_session, role=ROLE_ARN )
Überwachung Ihres Anpassungsauftrags
Unmittelbar nach dem Absenden Ihres Jobs werden Sie zu Ihrer Jobseite für die Schulung zur Modellanpassung weitergeleitet.
Sobald der Job abgeschlossen ist, können Sie zu Ihrer Seite mit den Details zu Ihrem benutzerdefinierten Modell wechseln, indem Sie in der oberen rechten Ecke auf die Schaltfläche Gehe zu benutzerdefiniertem Modell klicken.
Auf der Seite mit den Details zum benutzerdefinierten Modell können Sie wie folgt weiter mit Ihrem benutzerdefinierten Modell arbeiten:
-
Überprüfen von Informationen zur Leistung, zum Speicherort der generierten Artefakte, zu den Hyperparametern der Trainingskonfiguration und zu den Trainingsprotokollen.
-
Starten Sie einen Evaluierungsjob mit einem anderen Datensatz (Fortsetzung der Anpassung).
-
Stellen Sie das Modell mithilfe von SageMaker AI Inference-Endpunkten oder Amazon Bedrock Custom Model Import bereit.