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
Puede personalizar los modelos de Amazon Nova, incluidos los modelos Nova 2.0 mejorados, mediante recetas y entrenarlos con SageMaker IA. Estas recetas admiten técnicas como el ajuste preciso supervisado (SFT), la optimización de preferencias directas (DPO) y el ajuste preciso por refuerzo (RFT), con opciones de adaptación de rango completo y de rango bajo (LoRa).
El flujo de trabajo de end-to-end 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, SFT de rango completo, DPO, RFT, formación previa continua (CPT), 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 el aprovisionamiento, el escalado y la administración de recursos de la infraestructura, lo que le permite centrarse únicamente en configurar los parámetros de entrenamiento 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, la optimización de preferencias directas (DPO) y el ajuste preciso por refuerzo (RFT). Para obtener más información, consulte Personalización de Amazon Nova en trabajos SageMaker de formación.
nota
Si proporciona una clave KMS para su trabajo de formación sobre personalización del modelo Nova para el cifrado en el depósito S3 de salida propiedad de Amazon:
-
Debes proporcionar la misma clave de KMS cuando llames a los siguientes trabajos de formación iterativos o cuando llames a la CreateCustomModelAPI que utilice el modelo cifrado.
-
La identidad que llama a la
CreateTrainingJobAPI (y no la función de ejecución) debe tener permisos paraCreateGrantRetireGrantEncrypt, y talGenerateDataKeycomo se define en la política de claves de KMS.
-
-
Amazon SageMaker HyperPod ofrece un entorno especializado para entrenar los modelos de 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
