View a markdown version of this page

Modèles de sources et de contrats de licence - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Modèles de sources et de contrats de licence

Amazon SageMaker JumpStart donne accès à des centaines de modèles de fondation propriétaires et accessibles au public, provenant de sources et de partenaires tiers. Vous pouvez explorer la sélection du modèle de JumpStart base directement dans la console SageMaker AI, Studio ou Studio Classic.

Licences et sources de modèle

Amazon SageMaker JumpStart donne accès à des modèles de base accessibles au public et propriétaires. Les modèles de fondation sont intégrés et gérés par des fournisseurs tiers open source et propriétaires. En tant que tels, ils sont publiés sous différentes licences désignées par la source du modèle. Assurez-vous de consulter la licence de tous les modèles de fondation que vous utilisez. Il vous incombe de vérifier et de respecter les contrats de licence applicables et de vous assurer qu'ils sont acceptables pour votre cas d'utilisation avant de télécharger ou d'utiliser le contenu. Voici quelques exemples de licences de modèles de fondation courants :

  • Alexa Teacher Model

  • Apache 2.0

  • BigScience Licence d'IA responsable v1.0

  • Licence CreativeML Open RAIL++-M

De même, pour les modèles de fondation propriétaires, assurez-vous de consulter et de respecter les conditions d'utilisation et les directives d'utilisation du fournisseur de modèle. Si vous avez des questions concernant les informations de licence pour un modèle propriétaire spécifique, contactez directement le fournisseur de modèle. Vous trouverez les coordonnées du fournisseur de modèle dans l'onglet Support sur la page de chaque modèle dans AWS Marketplace.

End-user contrats de licence

Certains modèles de JumpStart base nécessitent l'acceptation explicite d'un contrat de licence utilisateur final (CLUF) avant utilisation.

Acceptation du CLUF dans Amazon Studio SageMaker

Vous pouvez être invité à accepter un contrat de licence utilisateur final avant de peaufiner, déployer ou évaluer un modèle de JumpStart base dans Studio. Pour commencer à utiliser les modèles de JumpStart base dans Studio, consultezUtilisation de modèles de fondation dans Studio.

Important

Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l’utilisation de l’expérience Studio mise à jour. Pour en savoir plus sur l’utilisation de l’application Studio Classic, consultez Amazon SageMaker Studio Classique.

Certains modèles de JumpStart base nécessitent l'acceptation d'un contrat de licence utilisateur final avant le déploiement. Si cela s’applique au modèle de fondation que vous choisissez d’utiliser, Studio affiche une fenêtre d’invite contenant le contenu du CLUF. Il vous incombe de vérifier et de respecter les contrats de licence applicables et de vous assurer qu'ils sont acceptables pour votre cas d'utilisation avant de télécharger ou d'utiliser un modèle.

Acceptation du CLUF dans Amazon SageMaker Studio Classic

Vous pouvez être invité à accepter un contrat de licence utilisateur final avant de déployer un modèle de JumpStart base ou d'ouvrir un bloc-notes modèle de JumpStart base dans Studio Classic. Pour commencer à utiliser les modèles de JumpStart base dans Studio Classic, consultezUtiliser des modèles de base dans Amazon SageMaker Studio Classic.

Note

Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l’utilisation de l’application Studio Classic. Pour en savoir plus sur l’utilisation de l’expérience Studio mise à jour, consultez Amazon SageMaker Studio.

Studio Classic est toujours maintenu pour les charges de travail existantes, mais n'est plus disponible pour l'intégration. Vous pouvez uniquement arrêter ou supprimer des applications Studio Classic existantes et vous ne pouvez pas en créer de nouvelles. Nous vous recommandons de migrer votre charge de travail vers la nouvelle expérience Studio.

Certains modèles de JumpStart base nécessitent l'acceptation d'un contrat de licence utilisateur final avant le déploiement. Si cela s’applique au modèle de fondation que vous choisissez d’utiliser, Studio affiche la fenêtre d’invite Examiner le contrat de licence d’utilisateur final (CLUF) et la politique d’utilisation acceptable (AUP) ci-dessous une fois que vous avez choisi Déployer ou Ouvrir le bloc-notes. Il vous incombe de vérifier et de respecter les contrats de licence applicables et de vous assurer qu'ils sont acceptables pour votre cas d'utilisation avant de télécharger ou d'utiliser un modèle.

Acceptation du CLUF avec SageMaker Python Kit SDK

Les sections suivantes vous montrent comment déclarer explicitement l'acceptation du CLUF lors du déploiement ou de la mise au point d'un JumpStart modèle avec le SageMaker Python SDK. Pour plus d'informations sur la prise en main des modèles de JumpStart base à l'aide du SageMaker Python SDK, consultezUtilisez les modèles de base avec le SageMaker Python Kit SDK.

Avant de commencer, assurez-vous d’effectuer les actions suivantes :

  • Effectuez une mise à niveau vers la dernière version du modèle que vous utilisez.

  • Installez la dernière version du SageMaker Python SDK.

Important

Pour utiliser le flux de travail suivant, la version 3.0.0 ou ultérieure du SageMaker Python SDK doit être installée. Pour plus d'informations sur la mise à niveau, consultez la section Utiliser la version 3.x du SageMaker Python SDK sur le site Web Read the Docs.

Acceptation du CLUF lors du déploiement d'un modèle JumpStart

Pour les modèles qui nécessitent l'acceptation d'un contrat de licence utilisateur final, vous devez explicitement déclarer l'acceptation du CLUF lors du déploiement de votre JumpStart modèle.

from sagemaker.serve import ModelBuilder from sagemaker.core.jumpstart.configs import JumpStartConfig # Declare EULA acceptance in your JumpStart configuration jumpstart_config = JumpStartConfig( model_id="meta-textgeneration-llama-2-13b", accept_eula=True, ) model_builder = ModelBuilder.from_jumpstart_config(jumpstart_config=jumpstart_config) model = model_builder.build() endpoint = model_builder.deploy()

La accept_eula valeur est définie False par défaut. Pour accepter le contrat de licence de l'utilisateur final, définissez-le explicitement surTrue. Pour plus d'informations, consultez ModelBuilder la documentation du SageMaker Python SDK sur le site Web Read the Docs.

Acceptation du CLUF lors de la mise au point d'un modèle JumpStart

Pour affiner les modèles qui nécessitent l'acceptation d'un contrat de licence utilisateur final, vous devez déclarer explicitement votre acceptation. Réglez-le sur celui JumpStartConfig que vous utilisez pour créer votreModelTrainer. Fine-tuning un modèle pré-entraîné modifie les poids du modèle d'origine. Par conséquent, lorsque vous déployez le modèle peaufiné ultérieurement, il n’est pas nécessaire d’accepter un CLUF.

Note

L’exemple suivant indique accept_eula=False. Pour accepter le CLUF, vous devez modifier la valeur enTrue.

from sagemaker.train import ModelTrainer from sagemaker.train.configs import InputData from sagemaker.core.jumpstart.configs import JumpStartConfig # Declare EULA acceptance in your JumpStart configuration jumpstart_config = JumpStartConfig( model_id="meta-textgeneration-llama-2-13b", accept_eula=False, ) model_trainer = ModelTrainer.from_jumpstart_config(jumpstart_config=jumpstart_config) model_trainer.train( input_data_config=[ InputData(channel_name="train", data_source=training_dataset_s3_path), InputData(channel_name="validation", data_source=validation_dataset_s3_path), ] )

La accept_eula valeur est False par défaut. Pour accepter le contrat de licence de l'utilisateur final, définissez-le explicitement True surJumpStartConfig. Pour plus d'informations, consultez la section SageMaker Train dans la documentation du SageMaker Python SDK sur le site Web Read the Docs.