View a markdown version of this page

Envio de trabalhos de personalização de modelos de IA - SageMaker IA da Amazon
Envio de tarefas de personalização de modelos de IA usando SDKMonitorando seu trabalho de personalização

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.

Envio de trabalhos de personalização de modelos de IA

O recurso de personalização do modelo de SageMaker IA pode ser acessado na página Modelos do Amazon SageMaker Studio no painel esquerdo. Você também pode encontrar a página Ativos, na qual você pode criar e gerenciar seus conjuntos de dados e avaliadores de personalização de modelos.

Uma imagem contendo o acesso à personalização do modelo.

Para iniciar o envio de um trabalho de personalização de modelo, selecione a opção Modelos para acessar a guia Modelos básicos do Jumpstart:

Uma imagem contendo como escolher o modelo básico.

Você pode clicar diretamente em Personalizar modelo no cartão do modelo ou pesquisar qualquer modelo da Meta que esteja interessado em personalizar.

Uma imagem contendo a placa do modelo e como escolher o modelo a ser personalizado.

Ao clicar na placa do modelo, você pode acessar a página de detalhes do modelo e iniciar o trabalho de personalização clicando em Personalizar modelo e selecionando Personalizar com interface do usuário para iniciar a configuração do trabalho RLVR.

Uma imagem contendo como iniciar o trabalho de personalização.

Em seguida, você pode inserir o nome do modelo personalizado, selecionar a técnica de personalização do modelo a ser usada e configurar os hiperparâmetros do trabalho:

Uma imagem contendo a seleção de técnicas de personalização de modelos.
Uma imagem contendo a seleção de técnicas de personalização de modelos.

Envio de tarefas de personalização de modelos de IA usando SDK

Você também pode usar o SDK do SageMaker AI Python para enviar um trabalho de personalização do modelo:

# Submit a DPO model customization job

from sagemaker.modules.train.dpo_trainer import DPOTrainer
from sagemaker.modules.train.common import TrainingType

trainer = DPOTrainer(
    model=BASE_MODEL,
    training_type=TrainingType.LORA,
    model_package_group_name=MODEL_PACKAGE_GROUP_NAME,
    training_dataset=TRAINING_DATASET,
    s3_output_path=S3_OUTPUT_PATH,
    sagemaker_session=sagemaker_session,
    role=ROLE_ARN
)

Monitorando seu trabalho de personalização

Imediatamente após enviar sua vaga, você será redirecionado para a página de vagas de treinamento de personalização de modelos.

Uma imagem contendo a seleção de técnicas de personalização de modelos.

Quando o trabalho for concluído, você poderá acessar a página de detalhes do modelo personalizado clicando no botão Ir para modelo personalizado no canto superior direito.

Uma imagem contendo a seleção de técnicas de personalização de modelos.

Na página de detalhes do modelo personalizado, você pode continuar trabalhando com seu modelo personalizado da seguinte forma:

  1. Verificar informações sobre desempenho, localização de artefatos gerados, hiperparâmetros de configuração de treinamento e registros de treinamento.

  2. Inicie um trabalho de avaliação com um conjunto de dados diferente (personalização contínua).

  3. Implante o modelo usando endpoints de inferência de SageMaker inteligência artificial ou importação de modelos personalizados do Amazon Bedrock.

    Uma imagem contendo a seleção de técnicas de personalização de modelos.