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.

# Bereitstellen von Grundlagenmodellen und maßgeschneiderten, optimierten Modellen
<a name="sagemaker-hyperpod-model-deployment-deploy"></a>

Ganz gleich, ob Sie vortrainierte Open-Weights-Modelle oder Gated-Modelle von Amazon SageMaker JumpStart oder Ihre eigenen benutzerdefinierten oder fein abgestimmten Modelle einsetzen, die in Amazon S3 oder Amazon gespeichert sind FSx, SageMaker HyperPod bietet die flexible, skalierbare Infrastruktur, die Sie für Produktionsinferenz-Workloads benötigen.




****  

|  | Stellen Sie Open-Weights- und Gated-Foundation-Modelle bereit von JumpStart | Stellen Sie benutzerdefinierte und fein abgestimmte Modelle von Amazon S3 und Amazon bereit FSx | 
| --- | --- | --- | 
| Beschreibung | Nutzen Sie für die Implementierung einen umfassenden Katalog vortrainierter Grundlagenmodelle mit automatischen Optimierungs- und Skalierungsrichtlinien, die auf jede Modellfamilie zugeschnitten sind. | Bringen Sie Ihre eigenen maßgeschneiderten und fein abgestimmten Modelle mit und nutzen Sie die SageMaker HyperPod Unternehmensinfrastruktur für Inferenzen im Produktionsmaßstab. Wählen Sie zwischen kostengünstigem Speicher mit Amazon S3 oder einem leistungsstarken Dateisystem mit Amazon FSx. | 
| Die wichtigsten Vorteile | [See the AWS documentation website for more details](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html) |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 
| Optionen für die Bereitstellung |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 

In den folgenden Abschnitten werden Sie Schritt für Schritt durch die Bereitstellung von Modellen von Amazon SageMaker JumpStart sowie von Amazon S3 und Amazon geführt FSx.

**Topics**
+ [Modelle JumpStart mithilfe von Amazon SageMaker Studio bereitstellen](sagemaker-hyperpod-model-deployment-deploy-js-ui.md)
+ [Stellen Sie Modelle JumpStart mithilfe von kubectl bereit](sagemaker-hyperpod-model-deployment-deploy-js-kubectl.md)
+ [Stellen Sie mit kubectl benutzerdefinierte, fein abgestimmte Modelle von Amazon S3 und Amazon FSx bereit](sagemaker-hyperpod-model-deployment-deploy-ftm.md)
+ [Stellen Sie benutzerdefinierte, fein abgestimmte Modelle mit dem Python-SDK und HPCLI bereit](deploy-trained-model.md) 
+ [Stellen Sie Modelle von Amazon SageMaker JumpStart mit dem Python SDK und HPCLI bereit](deploy-jumpstart-model.md)