Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Melatih dan menerapkan model dengan HyperPod CLI dan SDK
<a name="getting-started-hyperpod-training-deploying-models"></a>

Amazon SageMaker HyperPod membantu Anda melatih dan menerapkan model pembelajaran mesin dalam skala besar. AWS HyperPod CLI adalah antarmuka baris perintah terpadu yang menyederhanakan alur kerja pembelajaran mesin (ML). AWS Ini mengabstraksi kompleksitas infrastruktur dan memberikan pengalaman yang efisien untuk mengirimkan, memantau, dan mengelola pekerjaan pelatihan ML. CLI dirancang khusus untuk ilmuwan data dan insinyur ML yang ingin fokus pada pengembangan model daripada manajemen infrastruktur. Topik ini memandu Anda melalui tiga skenario utama: melatih PyTorch model, menerapkan model khusus menggunakan artefak terlatih, dan menerapkan model. JumpStart Dirancang untuk pengguna pertama kali, tutorial ringkas ini memastikan Anda dapat mengatur, melatih, dan menerapkan model dengan mudah menggunakan CLI HyperPod atau SDK. Proses jabat tangan antara pelatihan dan inferensi membantu Anda mengelola artefak model secara efektif. 

## Prasyarat
<a name="prerequisites"></a>

Sebelum Anda mulai menggunakan Amazon SageMaker HyperPod, pastikan Anda memiliki:
+  AWS Akun dengan akses ke Amazon SageMaker HyperPod
+ Python 3.9, 3.10, atau 3.11 diinstal
+ AWS CLI dikonfigurasi dengan kredensi yang sesuai. 

## Instal HyperPod CLI dan SDK
<a name="install-cli-sdk"></a>

Instal paket yang diperlukan untuk mengakses CLI dan SDK:

```
pip install sagemaker-hyperpod
```

Perintah ini mengatur alat yang diperlukan untuk berinteraksi dengan HyperPod cluster.

## Konfigurasikan konteks klaster Anda
<a name="configure-cluster"></a>

HyperPod beroperasi pada cluster yang dioptimalkan untuk pembelajaran mesin. Mulailah dengan mencantumkan kluster yang tersedia untuk memilih satu untuk tugas Anda.

1. Daftar semua cluster yang tersedia:

   ```
   hyp list-cluster
   ```

1. Pilih dan atur cluster aktif Anda:

   ```
   hyp set-cluster-context your-eks-cluster-name
   ```

1. Verifikasi konfigurasi:

   ```
   hyp get-cluster-context
   ```

**catatan**  
Semua perintah berikutnya menargetkan cluster yang telah Anda tetapkan sebagai konteks Anda.

## Pilih skenario Anda
<a name="choose-scenario"></a>

Untuk petunjuk terperinci tentang setiap skenario, klik topik di bawah ini:

**Topics**
+ [Prasyarat](#prerequisites)
+ [Instal HyperPod CLI dan SDK](#install-cli-sdk)
+ [Konfigurasikan konteks klaster Anda](#configure-cluster)
+ [Pilih skenario Anda](#choose-scenario)
+ [Latih PyTorch model](train-models-with-hyperpod.md)
+ [Menerapkan model kustom](deploy-trained-model.md)
+ [Menyebarkan model JumpStart](deploy-jumpstart-model.md)