Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Personalizzazione dei modelli Amazon Nova sull'intelligenza artificiale SageMaker

Puoi personalizzare i modelli Amazon Nova, inclusi i modelli Amazon Nova 2.0 migliorati, tramite ricette e addestrarli SageMaker. Queste ricette supportano tecniche come il supervised fine-tuning (SFT) e il Reinforcement (RFT), con opzioni di adattamento completo e di adattamento a basso livello Fine-Tuning (LoRa).

Il flusso di lavoro di personalizzazione end-to-end prevede fasi come l’addestramento dei modelli, la valutazione dei modelli e l’implementazione per l’inferenza. Questo approccio di personalizzazione dei modelli SageMaker offre maggiore flessibilità e controllo per ottimizzare i modelli Amazon Nova supportati, ottimizzare gli iperparametri con precisione e implementare tecniche come LoRa parameter-efficient fine-tuning (PEFT), full rank SFT, RFT e Continued (CPT). Pre-Training

Approcci di personalizzazione

SageMaker offre due approcci per personalizzare i modelli Amazon Nova:

UI-based esperienza: consente di personalizzare i modelli Amazon Nova tramite un'interfaccia semplice e guidata. Questo approccio offre un flusso di lavoro completo che include formazione, valutazione e distribuzione senza scrivere codice. L' UI-based esperienza è ideale per la sperimentazione rapida, lo sviluppo di prototipi e per gli utenti che preferiscono un flusso di lavoro visivo.

Code-based esperienza: usa SageMaker Python SDK, Nova SDK e le ricette di formazione per personalizzare i modelli a livello di codice. Questo approccio offre una maggiore flessibilità e consente di configurare iperparametri avanzati, integrarsi con le CI/CD pipeline e automatizzare i flussi di lavoro di formazione. L'esperienza basata sul codice è consigliata per carichi di lavoro di produzione, requisiti di personalizzazione complessi e team con pratiche MLOps consolidate.

Piattaforme di personalizzazione

AWS offre tre piattaforme per personalizzare i modelli Amazon Nova, ognuna progettata per casi d'uso e requisiti diversi:

Amazon Bedrock: offre il percorso più semplice e veloce per la personalizzazione del modello con una configurazione minima. Bedrock gestisce automaticamente tutta la gestione dell'infrastruttura, consentendoti di concentrarti sui dati e sul caso d'uso. Questa piattaforma è ideale quando hai bisogno del time-to-value più rapido e preferisci un'esperienza completamente gestita.

SageMaker lavori di formazione: fornisce un ambiente completamente gestito per la personalizzazione dei modelli Amazon Nova in cui non è necessario creare o mantenere alcun cluster. Il servizio gestisce automaticamente tutto il provisioning, la scalabilità e la gestione delle risorse dell'infrastruttura, consentendoti di concentrarti sulla configurazione dei parametri di formazione e sull'invio del lavoro. Questa piattaforma offre un equilibrio tra facilità d'uso e flessibilità e supporta tecniche come Parameter Efficient Fine-tuning (PEFT), Full rank fine tuning e Reinforcement (RFT). Fine-Tuning

SageMaker HyperPod— Offre un ambiente specializzato per la formazione distribuita su larga scala, richiedendo la creazione e la gestione di cluster EKS con gruppi di istanze limitate (RIG). Questa piattaforma offre la massima flessibilità nella configurazione dell'ambiente di formazione con istanze GPU specializzate e storage Amazon FSx for Lustre integrato, rendendola particolarmente adatta per scenari di formazione distribuita avanzata, sviluppo continuo di modelli e carichi di lavoro di personalizzazione su scala aziendale.