Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menyesuaikan model Amazon Nova di Amazon AI SageMaker
Anda dapat menyesuaikan model Amazon Nova melalui resep dan melatihnya di SageMaker AI. Resep-resep ini mendukung teknik seperti fine-tuning yang diawasi (SFT) dan Direct Preference Optimization (DPO), dengan opsi adaptasi peringkat penuh dan peringkat rendah (LoRa).
Alur kerja end-to-end kustomisasi melibatkan tahapan seperti pelatihan model, evaluasi model, dan penerapan untuk inferensi. Pendekatan penyesuaian model pada SageMaker AI ini memberikan fleksibilitas dan kontrol yang lebih besar untuk menyempurnakan model Amazon Nova yang didukung, mengoptimalkan hiperparameter dengan presisi, dan menerapkan teknik seperti fine-tuning hemat parameter LoRa (PEFT), SFT peringkat penuh, DPO, Lanjutan Pra-Pelatihan (CPT), Optimalisasi Kebijakan Proksimal (PPO), dll.
SageMaker AI menawarkan dua lingkungan untuk menyesuaikan model Amazon Nova.
-
Pekerjaan SageMaker pelatihan Amazon menyediakan lingkungan yang dikelola sepenuhnya untuk menyesuaikan model Nova di mana Anda tidak perlu membuat atau memelihara cluster apa pun. Layanan ini secara otomatis menangani semua penyediaan infrastruktur, penskalaan, dan manajemen sumber daya, sehingga Anda dapat fokus hanya pada konfigurasi parameter pelatihan dan mengirimkan pekerjaan Anda. Anda dapat menyesuaikan model Nova pada pekerjaan SageMaker pelatihan dengan teknik seperti Parameter Efficient Fine-tuning (PEFT), Full rank fine tuning serta Direct Preference Optimization (DPO). Untuk informasi selengkapnya, lihat Kustomisasi Amazon Nova pada pekerjaan SageMaker pelatihan.
-
Amazon SageMaker HyperPod menawarkan lingkungan khusus untuk melatih model Nova dengan mengharuskan Anda membuat dan mengelola kluster SageMaker HyperPod EKS dengan grup instans terbatas (RIGs). Lingkungan ini memberi Anda fleksibilitas dalam mengonfigurasi lingkungan pelatihan Anda dengan instans GPU khusus dan penyimpanan Amazon FSx untuk Lustre terintegrasi, membuatnya sangat cocok untuk skenario pelatihan terdistribusi lanjutan dan pengembangan model yang sedang berlangsung. Untuk informasi selengkapnya, lihat Kustomisasi Amazon Nova di Amazon SageMaker HyperPod.
Dalam Bab ini
