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。

# 部署基礎模型和自訂微調模型
<a name="sagemaker-hyperpod-model-deployment-deploy"></a>

無論您是從 Amazon SageMaker JumpStart 部署預先訓練的基礎開放權重或門控模型，還是部署 Amazon S3 或 Amazon FSx 中存放的自訂或微調模型，SageMaker HyperPod 都能提供生產推論工作負載所需的靈活、可擴展基礎設施。




****  

|  | 從 JumpStart 部署開放權重和門控基礎模型 | 從 Amazon S3 和 Amazon FSx 部署自訂和微調模型 | 
| --- | --- | --- | 
| Description | 使用針對每個模型系列量身打造的自動最佳化和擴展政策，從預先訓練基礎模型的綜合目錄進行部署。 | 自帶自訂和微調模型，並利用 SageMaker HyperPod 的企業基礎設施進行生產規模推論。選擇使用 Amazon S3 進行符合成本效益的儲存，還是使用一個具有 Amazon FSx 的高效能檔案系統。 | 
| 主要優點 | [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html) |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 
| 部署選項 |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  |  [See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 

以下各節會逐步引導您從 Amazon SageMaker JumpStart 以及從 Amazon S3 和 Amazon FSx 部署模型。

**Topics**
+ [使用 Amazon SageMaker Studio 從 JumpStart 部署模型](sagemaker-hyperpod-model-deployment-deploy-js-ui.md)
+ [使用 kubectl 從 JumpStart 部署模型](sagemaker-hyperpod-model-deployment-deploy-js-kubectl.md)
+ [使用 kubectl 從 Amazon S3 和 Amazon FSx 部署自訂微調模型](sagemaker-hyperpod-model-deployment-deploy-ftm.md)
+ [使用 Python SDK 和 HPCLI 部署自訂微調模型](deploy-trained-model.md) 
+ [使用 Python SDK 和 HPCLI 從 Amazon SageMaker JumpStart 部署模型](deploy-jumpstart-model.md)