View a markdown version of this page

在 UI 中创建用于模型自定义的资源 - 亚马逊 SageMaker AI
资产评估程序使用 AWS SDK 自定义模型的资产

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

在 UI 中创建用于模型自定义的资源

您可以在 UI 中创建和管理可用于模型自定义的数据集和赋值器资产。

资产

在左侧面板中选择资源和 Amazon SageMaker Studio 用户界面，然后选择数据集。

包含模型自定义访问权限的图像。

选择上传数据集以添加将在模型自定义作业中使用的数据集。通过选择必填数据输入格式，您可以访问要使用的数据集格式参考。

包含模型自定义访问权限的图像。

评估程序

您还可以为强化学习自定义作业添加奖励函数和奖励提示。

包含模型自定义访问权限的图像。

用户界面还提供了有关奖励功能或奖励提示所需格式的指导。

包含模型自定义访问权限的图像。

使用 AWS SDK 自定义模型的资产

你也可以使用 SageMaker AI Python 软件开发工具包来创建资产。请参阅下面的示例代码片段：

from sagemaker.ai_registry.air_constants import REWARD_FUNCTION, REWARD_PROMPT
from sagemaker.ai_registry.dataset import DataSet, CustomizationTechnique
from sagemaker.ai_registry.evaluator import Evaluator

# Creating a dataset example
dataset = DataSet.create(
            name="sdkv3-gen-ds2",
            source="s3://sample-test-bucket/datasets/training-data/jamjee-sft-ds1.jsonl", # or use local filepath as source.
            customization_technique=CustomizationTechnique.SFT
        )

# Refreshes status from hub
dataset.refresh()
pprint(dataset.__dict__)

# Creating an evaluator. Method : Lambda
evaluator = Evaluator.create(
                name = "sdk-new-rf11",
                source="arn:aws:lambda:us-west-2:<>:function:<function-name>8",
                type=REWARD_FUNCTION
        )

# Creating an evaluator. Method : Bring your own code
evaluator = Evaluator.create(
                name = "eval-lambda-test",
                source="/path_to_local/eval_lambda_1.py",
                type = REWARD_FUNCTION
        )

# Optional wait, by default we have wait = True during create call.
evaluator.wait()

evaluator.refresh()
pprint(evaluator)