View a markdown version of this page

Einreichung von Aufträgen zur Anpassung von KI-Modellen - 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 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.

Ein Bild, das den Zugriff auf die Modellanpassung enthält.

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

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

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

Ein Bild mit der Modellkarte und Informationen zur Auswahl des Modells, das angepasst werden soll.

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.

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 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.

Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.

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.

Ein Bild mit einer Auswahl von Techniken zur Modellanpassung.

Auf der Seite mit den Details zum benutzerdefinierten Modell können Sie wie folgt weiter mit Ihrem benutzerdefinierten Modell arbeiten:

  1. Überprüfen von Informationen zur Leistung, zum Speicherort der generierten Artefakte, zu den Hyperparametern der Trainingskonfiguration und zu den Trainingsprotokollen.

  2. Starten Sie einen Evaluierungsjob 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.