Entraînement Amazon SageMaker AI HyperPod

Vous pouvez personnaliser les modèles Amazon Nova à l’aide des recettes Amazon Nova et les entraîner sur SageMaker AI HyperPod. Une recette est un fichier de configuration YAML qui fournit à SageMaker AI des détails sur la manière d’exécuter votre tâche d’entraînement de modèle.

Amazon SageMaker AI HyperPod offre des performances de calcul élevées grâce à des instances GPU optimisées et au stockage Amazon FSx pour Lustre, une surveillance robuste grâce à l’intégration d’outils tels que TensorBoard, une gestion flexible des points de contrôle pour une amélioration itérative, un déploiement transparent vers Amazon Bedrock pour l’inférence et un entraînement distribué multi-nœuds évolutif et efficace. Tous ces éléments fonctionnent ensemble pour fournir aux organisations un environnement sécurisé, performant et flexible leur permettant d’adapter les modèles Amazon Nova à leurs besoins commerciaux spécifiques.

La personnalisation Amazon Nova sur SageMaker AI HyperPod stocke les artefacts du modèle, y compris les points de contrôle du modèle, dans un compartiment Amazon S3 géré par le service. Les artefacts du compartiment géré par le service sont cryptés à l’aide de clés KMS gérées par SageMaker. Les compartiments Amazon S3 gérés par le service ne prennent actuellement pas en charge le chiffrement des données à l’aide de clés gérées par le client. Vous pouvez utiliser cet emplacement de point de contrôle pour les tâches d’évaluation ou l’inférence Amazon Bedrock.

Cette section fournit des détails sur les paramètres du modèle Amazon Nova que vous pouvez ajuster avec Amazon SageMaker AI HyperPod, les cas dans lesquels vous voulez les ajuster et leur incidence potentielle sur les performances du modèle. Les paramètres sont présentés par technique d’entraînement. Pour plus d’informations sur la soumission d’une tâche, consultez Exécution d’une tâche d’entraînement SageMaker.