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 Ele abstrai as complexidades da infraestrutura e fornece uma experiência simplificada para enviar, monitorar e gerenciar trabalhos 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 aperto de mão 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:
Uma AWS conta com acesso à Amazon SageMaker HyperPod
Python 3.9, 3.10 ou 3.11 instalado
AWS CLI configurado com as credenciais apropriadas.
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.
Configure seu contexto de cluster
HyperPod opera em clusters otimizados para aprendizado de máquina. Comece listando os clusters disponíveis para selecionar um para suas tarefas.
-
Liste todos os clusters disponíveis:
hyp list-cluster
-
Escolha e defina seu cluster ativo:
hyp set-cluster-context your-eks-cluster-name
-
Verifique a configuração:
hyp get-cluster-context
nota
Todos os comandos subsequentes têm como alvo o cluster que você definiu como seu contexto.
Escolha seu cenário
Para obter instruções detalhadas sobre cada cenário, clique nos tópicos abaixo: