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.
Personalização de modelos do Amazon Nova no Amazon AI SageMaker
Você pode personalizar os modelos do Amazon Nova por meio de receitas e treiná-los em SageMaker IA. Essas receitas oferecem suporte a técnicas como ajuste fino supervisionado (SFT) e Otimização de Preferência Direta (DPO), com opções de adaptação de classificação completa e baixa (LoRa).
O fluxo de trabalho de end-to-end personalização envolve estágios como treinamento de modelos, avaliação de modelos e implantação para inferência. Essa abordagem de personalização de modelos em SageMaker IA fornece maior flexibilidade e controle para ajustar seus modelos Amazon Nova compatíveis, otimizar hiperparâmetros com precisão e implementar técnicas como ajuste fino eficiente de parâmetros LoRa (PEFT), SFT de nível completo, DPO, pré-treinamento contínuo (CPT), otimização de políticas proximais (PPO) etc.
SageMaker A IA oferece dois ambientes para personalizar os modelos do Amazon Nova.
-
Os trabalhos de SageMaker treinamento da Amazon fornecem um ambiente totalmente gerenciado para personalizar modelos Nova, onde você não precisa criar ou manter nenhum cluster. O serviço gerencia automaticamente todo o provisionamento, o escalonamento e o gerenciamento de recursos da infraestrutura, permitindo que você se concentre exclusivamente na configuração dos parâmetros de treinamento e no envio do trabalho. Você pode personalizar os modelos Nova em trabalhos de SageMaker treinamento com técnicas como ajuste fino eficiente de parâmetros (PEFT), ajuste fino de classificação completa e otimização de preferência direta (DPO). Para obter mais informações, consulte Personalização do Amazon Nova em trabalhos de SageMaker treinamento.
-
A Amazon SageMaker HyperPod oferece um ambiente especializado para treinar modelos Nova, exigindo que você crie e gerencie clusters SageMaker HyperPod EKS com grupos de instâncias restritos (RIGs). Esse ambiente oferece flexibilidade na configuração do seu ambiente de treinamento com instâncias de GPU especializadas e armazenamento Amazon FSx for Lustre integrado, tornando-o particularmente adequado para cenários avançados de treinamento distribuído e desenvolvimento contínuo de modelos. Para obter mais informações, consulte Personalização do Amazon Nova na Amazon SageMaker HyperPod.
Neste capítulo
