As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Treine e implante modelos com HyperPod CLI e SDK

SageMaker HyperPod A Amazon ajuda você a treinar e implantar modelos de aprendizado de máquina em grande escala. A AWS HyperPod CLI é uma interface de linha de comando unificada que simplifica os fluxos de trabalho de aprendizado de máquina (ML) em. AWS Ela simplifica as complexidades da infraestrutura e oferece uma experiência simplificada para enviar, monitorar e gerenciar tarefas de treinamento de ML. A CLI foi projetada especificamente para cientistas de dados e engenheiros de ML que desejam se concentrar no desenvolvimento de modelos em vez de no gerenciamento da infraestrutura. Este tópico mostra três cenários principais: treinamento de um PyTorch modelo, implantação de um modelo personalizado usando artefatos treinados e implantação de um modelo. JumpStart Projetado para usuários iniciantes, este tutorial conciso garante que você possa configurar, treinar e implantar modelos sem esforço usando a CLI ou o SDK HyperPod . O processo de handshake entre o treinamento e a inferência ajuda você a gerenciar os artefatos do modelo de forma eficaz.

Pré-requisitos

Antes de começar a usar a Amazon SageMaker HyperPod, verifique se você tem:

Instale a HyperPod CLI e o SDK

Instale o pacote necessário para acessar a CLI e o SDK:

pip install sagemaker-hyperpod

Esse comando configura as ferramentas necessárias para interagir com os HyperPod clusters.

Configurar o contexto do cluster

HyperPod opera em clusters otimizados para aprendizado de máquina. Primeiro, liste os clusters disponíveis para selecionar um para suas tarefas.

Escolher seu cenário

Para ter instruções detalhadas sobre cada cenário, clique nos tópicos abaixo: