本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在 SageMaker AI 上自訂 Amazon Nova 模型
<a name="nova-model"></a>

**注意**  
本文件適用於 Amazon Nova 第 1 版。Amazon Nova 2 現已提供新模型和增強功能。如需如何自訂 Amazon Nova 2 的資訊，請參閱[自訂 Amazon Nova 2 模型](https://docs.aws.amazon.com/nova/latest/nova2-userguide/nova-model.html)。

您可以透過[配方](nova-model-recipes.md#nova-model-get-recipes)自訂 [Amazon Nova 模型](https://docs.aws.amazon.com//nova/latest/userguide/what-is-nova.html)，包括增強型 Amazon Nova 2.0 模型，並在 SageMaker 上進行訓練。這些配方支援監督式微調 (SFT)、直接偏好設定最佳化 (DPO) 和強化微調 (RFT) 等技術，同時具有全階和低階調整 (LoRA) 選項。

端對端自訂工作流程涉及模型訓練、模型評估和部署等階段以進行推論。SageMaker 上的此模型自訂方法提供更大的彈性和控制，以微調其支援的 Amazon Nova 模型、精確最佳化超參數，以及實作技術，例如 LoRA 參數效率微調 (PEFT)、全等級 SFT、DPO、RFT、持續訓練前 (CPT)、近端政策最佳化 (PPO) 等。

SageMaker 提供兩個環境來自訂 Amazon Nova 模型。
+ [https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html](https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html)提供全受管環境，可讓您自訂不需要建立或維護任何叢集的 Amazon Nova 模型。服務會自動處理所有基礎設施佈建、擴展和資源管理，讓您僅專注於設定訓練參數和提交任務。您可以使用參數效率微調 (PEFT)、完整排名微調、直接偏好設定最佳化 (DPO) 和強化微調 (RFT) 等技術，在 SageMaker 訓練任務上自訂 Nova 模型。如需詳細資訊，請參閱[SageMaker 訓練任務上的 Amazon Nova 自訂](nova-model-training-job.md)。
**注意**  
如果您提供 KMS 金鑰給 Amazon Nova 模型自訂訓練任務，以便在 Amazon 擁有的輸出 S3 儲存貯體中加密：  
呼叫後續[反覆訓練任務](https://docs.aws.amazon.com//sagemaker/latest/dg/nova-iterative-training.html)時，或利用加密模型呼叫 Amazon Bedrock [CreateCustomModel](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_CreateCustomModel.html#bedrock-CreateCustomModel-request-modelKmsKeyArn) API 時，您必須提供相同的 KMS 金鑰。
呼叫 `CreateTrainingJob` API 的身分 （而非執行角色） 必須具有 `CreateGrant`、`Encrypt`、 和 的許可`RetireGrant`，`GenerateDataKey`如 KMS 金鑰政策所定義。
+ [https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html](https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html) 透過要求您建立和管理具有受限執行個體群組 (RIGs) 的 EKS 叢集，提供專門的環境來訓練 Amazon Nova 模型。此環境可讓您靈活地設定具有專門 GPU 執行個體和整合式 Amazon FSx for Lustre 儲存體的訓練環境，使其特別適合進階分散式訓練案例和持續模型開發。如需詳細資訊，請參閱[SageMaker HyperPod 上的 Amazon Nova 自訂](nova-hp.md)。

**Topics**
+ [一般先決條件](nova-model-general-prerequisites.md)
+ [Amazon Nova 配方](nova-model-recipes.md)
+ [SageMaker 訓練任務上的 Amazon Nova 自訂](nova-model-training-job.md)
+ [SageMaker HyperPod 上的 Amazon Nova 自訂](nova-hp.md)
+ [反覆訓練](nova-iterative-training.md)
+ [SageMaker 推論](nova-model-sagemaker-inference.md)
+ [Amazon Bedrock 參考。](nova-model-bedrock-inference.md)