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 Amazon Nova, incluindo os modelos Nova 2.0 aprimorados, por meio de receitas e treiná-los em SageMaker IA. Essas receitas oferecem suporte a técnicas como ajuste fino supervisionado (SFT), otimização de preferência direta (DPO) e ajuste fino de reforço (RFT), 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 completo, DPO, RFT, 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 ajuste de escala e o gerenciamento de recursos de infraestrutura, permitindo que você se concentre exclusivamente na configuração dos parâmetros de treinamento e no envio da tarefa. 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, otimização de preferência direta (DPO) e ajuste fino de reforço (RFT). Para obter mais informações, consulte Personalização do Amazon Nova em trabalhos de SageMaker treinamento.
nota
Se você fornecer uma chave KMS para seu trabalho de treinamento de personalização do modelo Nova para criptografia no bucket S3 de saída de propriedade da Amazon:
-
Você deve fornecer a mesma chave KMS ao chamar trabalhos de treinamento iterativo subsequentes ou ao chamar a CreateCustomModelAPI usando o modelo criptografado.
-
A identidade que chama a
CreateTrainingJobAPI (em vez da função de execução) deve ter permissões paraCreateGrant,RetireGrantEncrypt, eGenerateDataKeyconforme definido na política de chaves do KMS.
-
-
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.
