Implementazione di un modello personalizzato - Amazon Nova
Implementare un modello personalizzato (console)Implementazione di un modello personalizzato (AWS Command Line Interface)Implementazione di un modello personalizzato (AWS SDKs)

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.

Implementazione di un modello personalizzato

Puoi implementare un modello personalizzato con la console Amazon Bedrock oppure AWS Command Line Interface. AWS SDKs Per informazioni sull’uso dell’implementazione per l’inferenza, consulta Use a deployment for on-demand inference.

Implementare un modello personalizzato (console)

Puoi implementare un modello personalizzato dalla pagina Modelli personalizzati come segue. Puoi anche implementare un modello dalla pagina Modello personalizzato on demand con gli stessi campi. Per trovare questa pagina, in Inferenza e valutazione nel pannello di navigazione, seleziona Modello personalizzato on demand.

Per l’implementazione di un modello personalizzato

  1. Accedi all' Console di gestione AWS utilizzo di un ruolo IAM con autorizzazioni Amazon Bedrock e apri la console Amazon Bedrock all'indirizzo. https://console.aws.amazon.com/nova/

  2. Dal riquadro di navigazione a sinistra, scegli Modelli personalizzati in Modelli di fondazione.

  3. Nella scheda Modelli, seleziona il pulsante di opzione relativo al modello che vuoi implementare.

  4. Seleziona Imposta inferenza e scegli Implementa per on demand.

  5. In Dettagli implementazione, fornisci le seguenti informazioni:

    • Nome implementazione (obbligatorio): immetti un nome univoco per l’implementazione.

    • Descrizione (facoltativo): inserisci una descrizione per la tua implementazione.

    • Tag (facoltativo): aggiungi tag per l’allocazione dei costi e la gestione delle risorse.

  6. Scegli Create (Crea). Quando lo stato è Completed, il modello personalizzato è pronto per l’inferenza on demand. Per ulteriori informazioni sull’uso del modello personalizzato, consulta Use a deployment for on-demand inference.

Implementazione di un modello personalizzato (AWS Command Line Interface)

Per distribuire un modello personalizzato per l'inferenza su richiesta utilizzando il AWS Command Line Interface, usa il create-custom-model-deployment comando con Amazon Resource Name (ARN) del tuo modello personalizzato. Questo comando utilizza l'operazione API. CreateCustomModelDeployment Restituisce l’ARN dell’implementazione che è possibile usare come modelId quando si effettuano richieste di inferenza. Per informazioni sull’uso dell’implementazione per l’inferenza, consulta Use a deployment for on-demand inference.

aws bedrock create-custom-model-deployment \
--model-deployment-name "Unique name" \
--model-arn "Custom Model ARN" \
--description "Deployment description" \
--tags '[
    {
        "key": "Environment",
        "value": "Production"
    },
    {
        "key": "Team",
        "value": "ML-Engineering"
    },
    {
        "key": "Project",
        "value": "CustomerSupport"
    }
]' \
--client-request-token "unique-deployment-token" \
--region region

Implementazione di un modello personalizzato (AWS SDKs)

Per implementare un modello personalizzato per l'inferenza su richiesta, utilizza l'operazione CreateCustomModelDeploymentAPI con Amazon Resource Name (ARN) del tuo modello personalizzato. La risposta restituisce l’ARN dell’implementazione che è possibile usare come modelId quando si effettuano richieste di inferenza. Per informazioni sull’uso dell’implementazione per l’inferenza, consulta Use a deployment for on-demand inference.

Il seguente codice mostra come usare SDK per Python (Boto3) per implementare un modello personalizzato. 

def create_custom_model_deployment(bedrock_client):
    """Create a custom model deployment
    Args:
        bedrock_client: A boto3 Bedrock client for making API calls
 
    Returns:
        str: The ARN of the created custom model deployment
 
    Raises:
        Exception: If there is an error creating the deployment
    """
 
    try:
        response = bedrock_client.create_custom_model_deployment(
            modelDeploymentName="Unique deployment name",
            modelArn="Custom Model ARN",
            description="Deployment description",
            tags=[
                {'key': 'Environment', 'value': 'Production'},
                {'key': 'Team', 'value': 'ML-Engineering'},
                {'key': 'Project', 'value': 'CustomerSupport'}
            ],
            clientRequestToken=f"deployment-{uuid.uuid4()}"
        )
 
        deployment_arn = response['customModelDeploymentArn']
        print(f"Deployment created: {deployment_arn}")
        return deployment_arn
 
    except Exception as e:
        print(f"Error creating deployment: {str(e)}")
        raise