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.
Personalización de los modelos de Amazon Nova en Amazon AI SageMaker
Puedes personalizar los modelos de Amazon Nova mediante recetas y entrenarlos en SageMaker IA. Estas recetas admiten técnicas como el ajuste preciso supervisado (SFT) y la optimización de preferencias directas (DPO), con opciones de adaptación de rango completo y de rango bajo (LoRa).
El flujo de trabajo end-to-end de personalización incluye etapas como el entrenamiento del modelo, la evaluación del modelo y el despliegue para la inferencia. Este enfoque de personalización de modelos en SageMaker IA proporciona mayor flexibilidad y control para ajustar los modelos de Amazon Nova compatibles, optimizar los hiperparámetros con precisión e implementar técnicas como el ajuste fino con eficiencia de parámetros (PEFT) de LoRa, la SFT completa, el DPO, la formación previa continua (CPT), la optimización de políticas proximales (PPO), etc.
SageMaker La IA ofrece dos entornos para personalizar los modelos de Amazon Nova.
-
Amazon SageMaker Training Jobs proporciona un entorno totalmente gestionado para personalizar los modelos Nova en el que no es necesario crear ni mantener ningún clúster. El servicio gestiona automáticamente todo el aprovisionamiento, el escalado y la gestión de recursos de la infraestructura, lo que le permite centrarse únicamente en configurar sus parámetros de formación y enviar su trabajo. Puede personalizar los modelos Nova en los trabajos de SageMaker formación con técnicas como el ajuste preciso con eficiencia de parámetros (PEFT), el ajuste preciso de rango completo y la optimización directa de preferencias (DPO). Para obtener más información, consulte Personalización de Amazon Nova en trabajos SageMaker de formación.
-
Amazon SageMaker HyperPod ofrece un entorno especializado para entrenar modelos Nova, ya que requiere que crees y administres clústeres de SageMaker HyperPod EKS con grupos de instancias restringidos (RIGs). Este entorno le brinda flexibilidad para configurar su entorno de entrenamiento con instancias de GPU especializadas y almacenamiento Amazon FSx for Lustre integrado, lo que lo hace especialmente adecuado para escenarios de entrenamiento distribuido avanzado y para el desarrollo continuo de modelos. Para obtener más información, consulte Personalización de Amazon Nova en Amazon SageMaker HyperPod.
En este capítulo
