SageMaker HyperPod レシピ

Amazon SageMaker HyperPod レシピは、Llama、Mistral、Mixtral、DeepSeek などのさまざまなモデルファミリーから公開されている基盤モデル (FMs) のトレーニングと微調整をすばやく開始AWSできるように、 が提供する事前設定されたトレーニングスタックです。レシピは、データセットのロード、分散トレーニング手法の適用、チェックポイントの管理など、エンドツーエンドのトレーニングループを自動化して、障害からの迅速な復旧を実現します。

SageMaker HyperPod レシピは、大規模なモデルのトレーニングに伴う複雑さの大部分を抽象化するため、深層機械学習の専門知識がないユーザーにとって特に有益です。

レシピは、SageMaker HyperPod 内で、または SageMaker トレーニングジョブとして実行できます。

次の表は SageMaker HyperPod GitHub リポジトリに保持されており、事前トレーニングとファインチューニングでサポートされているモデル、それぞれのレシピと起動スクリプト、サポートされているインスタンスタイプなどに関する最新の情報を提供しています。

SageMaker HyperPod を使用する場合、エンドツーエンドのトレーニングワークフローの自動化は、トレーニングアダプタと SageMaker HyperPod レシピの統合により提供されます。トレーニングアダプタは、NVIDIA NeMo フレームワークと Neuronx 分散トレーニングパッケージを基盤に構築されています。NeMo の使用に精通している場合、トレーニングアダプタを使用するプロセスは同じです。トレーニングアダプタはクラスターでレシピを実行します。

独自のカスタムレシピを定義して、独自のモデルをトレーニングすることもできます。

チュートリアルを使用して使用を開始するには、「チュートリアル」を参照してください。