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
<a name="model-customize-open-weight-create-assets-ui"></a>

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
<a name="model-customize-open-weight-assets"></a>

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。](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/screenshot-open-model-16.png)


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。](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/screenshot-open-model-15.png)


## 评估程序
<a name="model-customize-open-weight-evaluators"></a>

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。](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/screenshot-open-model-14.png)


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。](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/images/screenshot-open-model-13.png)


## 用于模型自定义的资产 AWS SDK
<a name="model-customize-open-weight-create-assets-sdk"></a>

你也可以使用 SageMaker AI Python 软件开发工具包来创建资产。参见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)
```