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

UI에서 모델 사용자 지정을 위한 자산 생성

UI에서 모델 사용자 지정에 사용할 수 있는 데이터 세트 및 평가자 자산을 생성하고 관리할 수 있습니다.

자산

왼쪽 패널과 Amazon SageMaker Studio UI에서 자산을 선택한 다음 데이터세트를 선택합니다.

데이터 세트 업로드를 선택하여 모델 사용자 지정 작업에 사용할 데이터 세트를 추가합니다. 필수 데이터 입력 형식을 선택하면 사용할 데이터 세트 형식의 참조에 액세스할 수 있습니다.

예측기

강화 학습 사용자 지정 작업에 보상 함수 및 보상 프롬프트를 추가할 수도 있습니다.

UI는 보상 함수 또는 보상 프롬프트에 필요한 형식에 대한 지침도 제공합니다.

AWS SDK를 사용한 모델 사용자 지정을 위한 자산

SageMaker AI Python SDK를 사용하여 자산을 생성할 수도 있습니다. 아래 샘플 코드 조각을 참조하세요.

from sagemaker.ai_registry.air_constants import REWARD_FUNCTION, REWARD_PROMPT
from sagemaker.ai_registry.dataset import DataSet, CustomizationTechnique
from sagemaker.ai_registry.evaluator import Evaluator

# Creating a dataset example
dataset = DataSet.create(
            name="sdkv3-gen-ds2",
            source="s3://sample-test-bucket/datasets/training-data/jamjee-sft-ds1.jsonl", # or use local filepath as source.
            customization_technique=CustomizationTechnique.SFT
        )

# Refreshes status from hub
dataset.refresh()
pprint(dataset.__dict__)

# Creating an evaluator. Method : Lambda
evaluator = Evaluator.create(
                name = "sdk-new-rf11",
                source="arn:aws:lambda:us-west-2:<>:function:<function-name>8",
                type=REWARD_FUNCTION
        )

# Creating an evaluator. Method : Bring your own code
evaluator = Evaluator.create(
                name = "eval-lambda-test",
                source="/path_to_local/eval_lambda_1.py",
                type = REWARD_FUNCTION
        )

# Optional wait, by default we have wait = True during create call.
evaluator.wait()

evaluator.refresh()
pprint(evaluator)