Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Implemente un JumpStart modelo

Puede implementar un JumpStart modelo previamente entrenado para la inferencia mediante la CLI o el SDK.

Uso de la CLI

Ejecute el siguiente comando para implementar un JumpStart modelo:

hyp create hyp-jumpstart-endpoint \
  --version 1.0 \
  --model-id deepseek-llm-r1-distill-qwen-1-5b \
  --instance-type ml.g5.8xlarge \
  --endpoint-name endpoint-test-jscli

Uso del SDK

Cree un script de Python con el siguiente contenido:

from sagemaker.hyperpod.inference.config.hp_jumpstart_endpoint_config import Model, Server, SageMakerEndpoint, TlsConfig
from sagemaker.hyperpod.inference.hp_jumpstart_endpoint import HPJumpStartEndpoint

model=Model(
    model_id='deepseek-llm-r1-distill-qwen-1-5b'
)

server=Server(
    instance_type='ml.g5.8xlarge',
)

endpoint_name=SageMakerEndpoint(name='<endpoint-name>')

# create spec
js_endpoint=HPJumpStartEndpoint(
    model=model,
    server=server,
    sage_maker_endpoint=endpoint_name
)

Invocar al punto de conexión

Uso de la CLI

Pruebe el punto de conexión con una entrada de muestra:

hyp invoke hyp-jumpstart-endpoint \
    --endpoint-name endpoint-jumpstart \
    --body '{"inputs":"What is the capital of USA?"}'

Uso del SDK

Incluya el siguiente código en el script de Python:

data = '{"inputs":"What is the capital of USA?"}'
response = js_endpoint.invoke(body=data).body.read()
print(response)

Administración del punto de conexión

Uso de la CLI

Enumere e inspeccione el punto de conexión:

hyp list hyp-jumpstart-endpoint
hyp get hyp-jumpstart-endpoint --name endpoint-jumpstart

Uso del SDK

Incluya el siguiente código en el script de Python:

endpoint_iterator = HPJumpStartEndpoint.list()
for endpoint in endpoint_iterator:
    print(endpoint.name, endpoint.status)

logs = js_endpoint.get_logs()
print(logs)

Eliminar recursos

Cuando haya terminado, elimine el punto de conexión para evitar costos innecesarios.

Uso de la CLI

hyp delete hyp-jumpstart-endpoint --name endpoint-jumpstart

Uso del SDK

js_endpoint.delete()

Siguientes pasos

Ahora que ha entrenado un PyTorch modelo, lo ha implementado como un punto final personalizado y ha implementado un JumpStart modelo mediante HyperPod la CLI y el SDK, explore las funciones avanzadas:

Para ver más ejemplos y configuraciones avanzadas, visita el SageMaker HyperPod GitHub repositorio.