翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# AI モデルのカスタマイズジョブの送信
SageMaker AI モデルのカスタマイズ機能には、左側のパネルの Amazon SageMaker Studio の Models ページからアクセスできます。モデルカスタマイズデータセットと評価者を作成および管理できるアセットページもあります。
モデルカスタマイズジョブの送信を開始するには、モデルオプションを選択して Jumpstart ベースモデルタブにアクセスします。
モデルカードでモデルのカスタマイズを直接クリックすることも、Meta からカスタマイズしたいモデルを検索することもできます。
モデルカードをクリックすると、モデルの詳細ページにアクセスし、モデルをカスタマイズをクリックしてカスタマイズジョブを起動し、UI でカスタマイズを選択して RLVR ジョブの設定を開始できます。
その後、カスタムモデル名を入力し、使用するモデルカスタマイズ手法を選択してジョブハイパーパラメータを設定できます。
## SDK を使用した AI モデルのカスタマイズジョブの送信
SageMaker AI Python SDK を使用してモデルカスタマイズジョブを送信することもできます。
```
# Submit a DPO model customization job
from sagemaker.modules.train.dpo_trainer import DPOTrainer
from sagemaker.modules.train.common import TrainingType
trainer = DPOTrainer(
model=BASE_MODEL,
training_type=TrainingType.LORA,
model_package_group_name=MODEL_PACKAGE_GROUP_NAME,
training_dataset=TRAINING_DATASET,
s3_output_path=S3_OUTPUT_PATH,
sagemaker_session=sagemaker_session,
role=ROLE_ARN
)
```
## カスタマイズジョブのモニタリング
ジョブを送信するとすぐに、モデルカスタマイズトレーニングジョブページにリダイレクトされます。
ジョブが完了したら、右上隅にあるカスタムモデルに移動ボタンをクリックして、**カスタムモデル**の詳細ページに移動できます。
カスタムモデルの詳細ページで、次の方法でカスタムモデルをさらに操作できます。
1. パフォーマンス、生成されたアーティファクトの場所、トレーニング設定ハイパーパラメータ、トレーニングログに関する情報を確認します。
1. 別のデータセットで評価ジョブを起動します (継続的なカスタマイズ）。
1. SageMaker AI 推論エンドポイントまたは Amazon Bedrock カスタムモデルインポートを使用してモデルをデプロイします。
