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。
# AI 模型自訂任務提交
您可以從左側面板的 Amazon SageMaker Studio 模型頁面存取 SageMaker AI 模型自訂功能。 Amazon SageMaker 您也可以找到資產頁面，您可以在其中建立和管理模型自訂資料集和評估器。
若要開始提交模型自訂任務，請選取模型選項以存取 Jumpstart 基礎模型索引標籤：
您可以直接按一下模型卡中的自訂模型，也可以從您有興趣自訂的中繼搜尋任何模型。
按一下模型卡時，您可以存取模型詳細資訊頁面，然後按一下自訂模型，然後選取使用 UI 自訂以啟動設定 RLVR 任務，以啟動自訂任務。
然後，您可以輸入您的自訂模型名稱，選取要使用並設定任務超參數的模型自訂技術：
## 使用 SDK 提交 AI 模型自訂任務
您也可以使用 SageMaker AI Python SDK 提交模型自訂任務：
```
# 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
)
```
## 監控您的自訂任務
提交任務後，系統會立即將您重新導向至模型自訂訓練任務頁面。
任務完成後，您可以按一下右上角的前往自訂模型按鈕，**前往自訂模型**詳細資訊頁面。
在自訂模型詳細資訊頁面中，您可以透過下列方式進一步使用自訂模型：
1. 檢查有關效能、產生的成品位置、訓練組態超參數和訓練日誌的資訊。
1. 使用不同的資料集啟動評估任務 （持續自訂）。
1. 使用 SageMaker AI 推論端點或 Amazon Bedrock 自訂模型匯入來部署模型。
