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 **Nota** Questa documentazione è per Amazon Nova versione 1. Amazon Nova 2 è ora disponibile con nuovi modelli e funzionalità avanzate. Per informazioni su come personalizzare Amazon Nova 2, visita [Personalizzare i modelli Amazon Nova 2](https://docs.aws.amazon.com/nova/latest/nova2-userguide/nova-model.html). Puoi personalizzare [i modelli Amazon Nova](https://docs.aws.amazon.com//nova/latest/userguide/what-is-nova.html), inclusi i modelli Amazon Nova 2.0 migliorati, tramite [ricette](nova-model-recipes.md#nova-model-get-recipes) e addestrarli SageMaker. Queste ricette supportano tecniche come supervised fine-tuning (SFT), Direct Preference Optimization (DPO) e Reinforcement (RFT), con opzioni sia complete che low-rank adaptation 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, DPO, RFT, Continued (CPT), Proximal Policy Optimization (PPO), ecc. Pre-Training SageMaker offre due ambienti per personalizzare i modelli Amazon Nova. + [https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html](https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html) 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 il provisioning, il dimensionamento e la gestione delle risorse dell’infrastruttura, permettendo di concentrarsi esclusivamente sulla configurazione dei parametri di addestramento e sull’invio dei job. Puoi personalizzare i modelli Nova durante i lavori di SageMaker formazione con tecniche come Parameter Efficient Fine-tuning (PEFT), Full rank fine tuning, Direct Preference Optimization (DPO) e Reinforcement (RFT). Fine-Tuning Per ulteriori informazioni, consulta [Personalizzazione di Amazon Nova su SageMaker Training Jobs](nova-model-training-job.md). **Nota** Se fornisci una chiave KMS per il tuo processo di formazione sulla personalizzazione del modello Amazon Nova per la crittografia nel bucket S3 Amazon-owned di output: Devi fornire la stessa chiave KMS quando richiami i successivi [lavori di formazione iterativi](https://docs.aws.amazon.com//sagemaker/latest/dg/nova-iterative-training.html) o quando chiami l'[CreateCustomModel](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_CreateCustomModel.html#bedrock-CreateCustomModel-request-modelKmsKeyArn)API Amazon Bedrock sfruttando il modello crittografato. L'identità che chiama l'`CreateTrainingJob`API (anziché il ruolo di esecuzione) deve disporre delle autorizzazioni per `CreateGrant` e `GenerateDataKey` come definito nella `Encrypt` policy chiave KMS. `RetireGrant` + [https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html](https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html)offre un ambiente specializzato per addestrare i modelli Amazon Nova richiedendo la creazione e la gestione di cluster EKS con gruppi di istanze limitati (RIG). Questo ambiente offre flessibilità nella configurazione dell’ambiente di addestramento con istanze GPU specializzate e archiviazione Amazon FSx per Lustre integrata, rendendolo particolarmente idoneo a scenari avanzati di addestramento distribuito e sviluppo continuo di modelli. Per ulteriori informazioni, consulta [Personalizzazione di Amazon Nova su SageMaker HyperPod](nova-hp.md). **Topics** + [Prerequisiti generali](nova-model-general-prerequisites.md) + [Ricette Amazon Nova](nova-model-recipes.md) + [Personalizzazione di Amazon Nova su SageMaker Training Jobs](nova-model-training-job.md) + [Personalizzazione di Amazon Nova su SageMaker HyperPod](nova-hp.md) + [Formazione iterativa](nova-iterative-training.md) + [SageMaker Inferenza](nova-model-sagemaker-inference.md) + [Inferenza di Amazon Bedrock](nova-model-bedrock-inference.md)