View a markdown version of this page

Soumission de tâches de personnalisation de modèles d'IA - 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.

Soumission de tâches de personnalisation de modèles d'IA

La fonctionnalité de personnalisation des modèles d' SageMaker IA est accessible depuis la page Modèles d'Amazon SageMaker Studio dans le panneau de gauche. Vous pouvez également trouver la page Ressources où vous pouvez créer et gérer les ensembles de données et les évaluateurs de personnalisation de votre modèle.

Une image contenant l'accès à la personnalisation du modèle.

Pour commencer à soumettre une tâche de personnalisation de modèle, sélectionnez l'option Modèles pour accéder à l'onglet Jumpstart Base Models :

Une image expliquant comment choisir le modèle de base.

Vous pouvez directement cliquer sur Personnaliser le modèle dans la fiche modèle ou rechercher n'importe quel modèle de Meta que vous souhaitez personnaliser.

Une image contenant la carte modèle et expliquant comment choisir le modèle à personnaliser.

Après avoir cliqué sur la fiche modèle, vous pouvez accéder à la page des détails du modèle et lancer la tâche de personnalisation en cliquant sur Personnaliser le modèle, puis en sélectionnant Personnaliser avec l'interface utilisateur pour démarrer la configuration de votre tâche RLVR.

Une image expliquant comment lancer la tâche de personnalisation.

Vous pouvez ensuite saisir le nom de votre modèle personnalisé, sélectionner la technique de personnalisation du modèle à utiliser et configurer les hyperparamètres de votre tâche :

Une image contenant une sélection de techniques de personnalisation du modèle.
Une image contenant une sélection de techniques de personnalisation du modèle.

Soumission de tâches de personnalisation de modèles d'IA à l'aide du SDK

Vous pouvez également utiliser le SDK SageMaker AI Python pour soumettre une tâche de personnalisation du modèle :

# Submit a DPO model customization job from sagemaker.modules.train.dpo_trainer import DPOTrainer from sagemaker.modules.train.common import TrainingType trainer = DPOTrainer( model=BASE_MODEL, training_type=TrainingType.LORA, model_package_group_name=MODEL_PACKAGE_GROUP_NAME, training_dataset=TRAINING_DATASET, s3_output_path=S3_OUTPUT_PATH, sagemaker_session=sagemaker_session, role=ROLE_ARN )

Surveillance de votre tâche de personnalisation

Immédiatement après avoir soumis votre offre d'emploi, vous serez redirigé vers la page de formation à la personnalisation de votre modèle.

Une image contenant une sélection de techniques de personnalisation du modèle.

Une fois le travail terminé, vous pouvez accéder à la page de détails de votre modèle personnalisé en cliquant sur le bouton Accéder au modèle personnalisé dans le coin supérieur droit.

Une image contenant une sélection de techniques de personnalisation du modèle.

Sur la page des détails du modèle personnalisé, vous pouvez continuer à travailler avec votre modèle personnalisé en :

  1. Vérification des informations relatives aux performances, à l'emplacement des artefacts générés, aux hyperparamètres de configuration de l'entraînement et aux journaux d'entraînement.

  2. Lancez une tâche d'évaluation avec un autre ensemble de données (personnalisation continue).

  3. Déployez le modèle à l'aide des points de terminaison SageMaker AI Inference ou d'Amazon Bedrock Custom Model Import.

    Une image contenant une sélection de techniques de personnalisation du modèle.