View a markdown version of this page

Einreichung von Aufträgen zur Anpassung des KI-Modells - Amazon SageMaker KI

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 des KI-Modells

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 Assets-Seite, auf der Sie Ihre Datensätze und Evaluatoren zur Modellanpassung erstellen und verwalten können.

Ein Bild, das den Zugriff auf die Modellanpassung enthält.

Um mit der Einreichung eines Auftrags zur Modellanpassung zu beginnen, wählen Sie die Option „Modelle“, um auf die Registerkarte „Jumpstart-Basismodelle“ zuzugreifen:

Ein Bild, das zeigt, wie das Basismodell ausgewählt wird.

Sie können in der Modellkarte direkt auf Modell anpassen klicken oder in Meta nach einem Modell suchen, das Sie anpassen möchten.

Ein Bild, das die Modellkarte enthält und zeigt, wie Sie das Modell auswählen, das Sie anpassen möchten.

Wenn Sie auf die Modellkarte klicken, können Sie auf die Seite mit den Modelldetails zugreifen und den Anpassungsauftrag starten, indem Sie auf Modell anpassen klicken und dann Mit Benutzeroberfläche anpassen auswählen, um mit der Konfiguration Ihres RLVR-Jobs zu beginnen.

Ein Bild, das zeigt, wie der Anpassungsjob gestartet wird.

Anschließend können Sie den Namen Ihres benutzerdefinierten Modells eingeben, die zu verwendende Methode zur Modellanpassung auswählen und Ihre Job-Hyperparameter konfigurieren:

Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.
Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.

Einreichung von Aufträgen zur Anpassung von KI-Modellen mithilfe des SDK

Sie können das SageMaker AI Python SDK auch verwenden, um einen Auftrag 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 Schulungen zur Modellanpassung weitergeleitet.

Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.

Sobald der Auftrag abgeschlossen ist, können Sie zur Detailseite Ihres benutzerdefinierten Modells wechseln, indem Sie in der oberen rechten Ecke auf die Schaltfläche Gehe zu benutzerdefiniertem Modell klicken.

Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.

Auf der Seite mit den Details zum benutzerdefinierten Modell können Sie weiter mit Ihrem benutzerdefinierten Modell arbeiten, indem Sie:

  1. Informationen zur Leistung, zur Position der generierten Artefakte, zu Hyperparametern zur Trainingskonfiguration und zu den Trainingsprotokollen werden überprüft.

  2. Starten Sie einen Evaluierungsauftrag mit einem anderen Datensatz (Fortsetzung der Anpassung).

  3. Stellen Sie das Modell mithilfe von SageMaker AI Inference-Endpunkten oder Amazon Bedrock Custom Model Import bereit.

    Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.