View a markdown version of this page

SageMaker AI 학습 작업 - Amazon SageMaker AI
개요시작하기

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

SageMaker AI 학습 작업

Amazon SageMaker AI 훈련 작업은 AI/ML 모델을 대규모로 효율적으로 훈련하는 데 사용할 수 있는 완전관리형 서비스입니다. SageMaker AI 훈련 작업을 사용하면 모델 사용자 지정을 위한 컴퓨팅 인스턴스를 선택하고 관리할 수 있습니다. 인스턴스 유형 및 구성을 완전히 제어할 수 있습니다. 임시 작업 - 인스턴스는 훈련 기간 동안 프로비저닝되고 완료되면 릴리스됩니다. SageMaker AI 훈련 작업에 대한 자세한 내용은 Amazon SageMaker AI로 모델 훈련을 참조하세요.

인스턴스 선택 없이 완전 관리형 환경을 사용하려면 섹션을 참조하세요서버리스 모델 사용자 지정.

개요

리전별 가용성

SageMaker AI 훈련 작업은 모든 SageMaker AI 리전에서 사용할 수 있습니다.

인터페이스

레시피

SageMaker AI 레시피를 사용하여 사전 구성된 훈련 레시피를 실행합니다. 레시피는 SageMaker AI 훈련 작업과 HyperPod 모두에서 작동하여 데이터 세트 로드, 분산 훈련 및 체크포인트 관리를 자동화합니다.

Python SDK V3(ModelTrainer)

SageMaker AI Python SDK의 ModelTrainer 클래스를 사용하여 인스턴스 선택 및 구성을 완벽하게 제어하여 프로그래밍 방식으로 훈련 작업을 제출할 수 있습니다.

from sagemaker.modules.train import ModelTrainer
from sagemaker.modules.configs import Compute, InputData

trainer = ModelTrainer(
    training_image="my-training-image",
    role="arn:aws:iam::123456789012:role/SageMakerRole",
    compute=Compute(instance_type="ml.p4d.24xlarge", instance_count=2)
)

trainer.train(input_data_config=[
    InputData(channel_name="training", data_source="s3://my-bucket/train")
])
Studio(레거시 모델)

이전 모델의 경우 Studio에서 모델 세부 정보 카드 → 훈련 버튼을 사용합니다. 이 흐름을 통해 인스턴스 선택 및 하이퍼파라미터 구성을 수행할 수 있습니다.

지원되는 기법

  • SFT, DPO, RLVR, RLAIF(레시피를 통해)

  • PPO(Amazon Nova 모델만 해당)

  • CPT(지속적인 사전 훈련)

지원되는 훈련 유형

  • LoRA

  • FFT(전체 미세 조정)

시작하기

레시피를 사용하여 SageMaker AI 훈련 작업을 시작하려면:

  1. 레시피 리포지토리를 복제합니다.

    git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git
cd sagemaker-hyperpod-recipes
pip3 install -r requirements.txt

  2. 에서 모델 및 기법recipes_collection/recipes/fine-tuning/에 대한 레시피를 선택합니다.

  3. 레시피 YAML 파일에서 훈련 데이터 경로와 하이퍼파라미터를 구성합니다.

  4. 시작 관리자 스크립트를 사용하여 훈련 작업을 시작합니다.

자세한 자습서는 SageMaker AI HyperPod 레시피 설명서를 참조하세요.