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 su Amazon SageMaker AI
Puoi personalizzare i modelli Amazon Nova tramite ricette e addestrarli sull' SageMaker intelligenza artificiale. Queste ricette supportano tecniche come il fine-tuning supervisionato (SFT) e l'ottimizzazione delle preferenze dirette (DPO), con opzioni di adattamento completo e di adattamento a basso livello (LoRa).
Il flusso di lavoro di end-to-end personalizzazione prevede fasi come l'addestramento del modello, la valutazione del modello e l'implementazione per l'inferenza. Questo approccio di personalizzazione dei modelli sull' SageMaker IA 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, Continued Pre-Training (CPT), Proximal Policy Optimization (PPO), ecc.
SageMaker L'intelligenza artificiale offre due ambienti per personalizzare i modelli Amazon Nova.
-
Amazon SageMaker Training Jobs offre un ambiente completamente gestito per personalizzare i modelli 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 esclusivamente sulla configurazione dei parametri di formazione e sull'invio del lavoro. È possibile personalizzare i modelli Nova durante i lavori di SageMaker formazione con tecniche come Parameter Efficient Fine-tuning (PEFT), Full rank fine tuning e Direct Preference Optimization (DPO). Per ulteriori informazioni, consulta Personalizzazione di Amazon Nova sui lavori SageMaker di formazione.
-
Amazon SageMaker HyperPod offre un ambiente specializzato per addestrare i modelli Nova richiedendo la creazione e la gestione di cluster SageMaker HyperPod EKS con gruppi di istanze limitati (RIGs). Questo ambiente offre flessibilità nella configurazione dell'ambiente di formazione con istanze GPU specializzate e storage Amazon FSx for Lustre integrato, rendendolo particolarmente adatto per scenari di formazione distribuita avanzati e sviluppo continuo di modelli. Per ulteriori informazioni, consulta Personalizzazione di Amazon Nova su Amazon SageMaker HyperPod.
In questo capitolo
