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。
# AI 模型定制作业提交
可以在左侧面板的 Amazon SageMaker Studio 模型页面访问 SageMaker 人工智能模型自定义功能。您还可以找到资产页面，您可以在其中创建和管理模型自定义数据集和赋值器。
要开始提交模型定制任务，请选择模型选项以访问 Jumpstart 基础模型选项卡：
你可以直接点击模型卡片中的自定义模型，也可以从 Meta 中搜索任何你感兴趣的自定义模型。
单击模型卡片后，您可以访问模型详细信息页面并启动自定义作业，方法是单击 “自定义模型”，然后选择 “使用用户界面定制”，开始配置 RLVR 作业。
然后，您可以输入您的自定义模型名称，选择要使用的模型自定义技术并配置您的作业超参数：
## 使用 SDK 提交 AI 模型自定义作业
你也可以使用 SageMaker AI Python SDK 提交模型自定义任务：
```
# 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
)
```
## 监控您的自定义作业
提交作业后，您将立即被重定向到模型定制训练作业页面。
作业完成后，您可以通过单击右上角的转到**自定义模型按钮进入自定义模型**详细信息页面。
在自定义模型详细信息页面中，您可以通过以下方式进一步使用您的自定义模型：
1. 检查有关性能、生成的构件位置、训练配置超参数和训练日志的信息。
1. 使用不同的数据集启动评估作业（继续自定义）。
1. 使用 SageMaker AI 推理终端节点或 Amazon Bedrock 自定义模型导入来部署模型。
