Trainium SageMaker 訓練任務預先訓練教學課程 - Amazon SageMaker AI
為 Trainium SageMaker 訓練任務設定您的環境使用 Jupyter 筆記本啟動訓練任務使用配方啟動器啟動訓練任務

Trainium SageMaker 訓練任務預先訓練教學課程

本教學課程會逐步引導您使用 SageMaker 訓練任務搭配 AWS Trainium 執行個體，來設定和執行預先訓練任務。

  • 設定您的環境

  • 啟動訓練任務

在開始前，請確定您具有以下先決條件。

先決條件

開始設定環境之前，請確定您具有下列先決條件：

  • Amazon FSx 檔案系統或 S3 儲存貯體，您可以在其中載入資料並輸出訓練成品。

  • 在 Amazon SageMaker AI 上請求 ml.trn1.32xlarge 執行個體的服務配額。若要請求增加服務配額，請執行下列動作：

    請求增加 ml.trn1.32xlarge 執行個體的服務配額

    1. 導覽至 AWS Service Quotas 主控台。

    2. 選擇 AWS 服務。

    3. 選取 JupyterLab。

    4. 為 ml.trn1.32xlarge 指定一個執行個體。

  • 使用 AmazonSageMakerFullAccess 和 AmazonEC2FullAccess 受管政策建立 AWS Identity and Access Management IAM 角色。這些政策為 Amazon SageMaker AI 提供執行範例的許可。

  • 採用下列其中一種格式的資料：

    • JSON

    • JSONGZ (壓縮 JSON)

    • ARROW

  • (選用) 如果您需要來自 HuggingFace 的預先訓練權重，或者如果您要訓練 Llama 3.2 模型，則您必須在開始訓練之前取得 HuggingFace 權杖。如需取得權杖的詳細資訊，請參閱使用者存取權杖。

為 Trainium SageMaker 訓練任務設定您的環境

在您執行 SageMaker 訓練任務之前，請使用 aws configure 命令來設定您的 AWS 憑證和偏好的區域。或者，您也可以透過 AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY 和 AWS_SESSION_TOKEN 等環境變數提供憑證。如需詳細資訊，請參閱 SageMaker AI Python SDK。

我們強烈建議在 SageMaker AI JupyterLab 中使用 SageMaker AI Jupyter 筆記本，來啟動 SageMaker 訓練任務。如需更多詳細資訊，請參閱 SageMaker JupyterLab。

  • (選用) 如果您在 Amazon SageMaker Studio 中使用 Jupyter 筆記本，則可以略過執行下列命令。請務必使用版本 >= python 3.9

    # set up a virtual environment
python3 -m venv ${PWD}/venv
source venv/bin/activate
# install dependencies after git clone.

git clone --recursive git@github.com:aws/sagemaker-hyperpod-recipes.git
cd sagemaker-hyperpod-recipes
pip3 install -r requirements.txt

  • 安裝 SageMaker AI Python SDK

    pip3 install --upgrade sagemaker

    • 如果您要執行 llama 3.2 多模態訓練任務，則 transformers 版本必須為 4.45.2 或更新版本。

      • 只有在您使用 SageMaker AI Python SDK 時，才會在 source_dir 中將 transformers==4.45.2 附加至 requirements.txt。

      • 如果您使用要使用 sm_jobs 做為叢集類型來啟動的 HyperPod 配方，則不需要指定轉換器版本。

    • Container：SageMaker AI Python SDK 會自動設定 Neuron 容器。

使用 Jupyter 筆記本啟動訓練任務

您可以使用下列 Python 程式碼，以使用您的配方執行 SageMaker 訓練任務。它利用來自 SageMaker AI Python SDK 的 PyTorch 估算器來提交配方。下列範例會將 llama3-8b 配方啟動為 SageMaker AI 訓練任務。

  • compiler_cache_url：用來儲存編譯成品的快取，例如 Amazon S3 成品。

import os
import sagemaker,boto3
from sagemaker.debugger import TensorBoardOutputConfig

from sagemaker.pytorch import PyTorch

sagemaker_session = sagemaker.Session()
role = sagemaker.get_execution_role()

recipe_overrides = {
    "run": {
        "results_dir": "/opt/ml/model",
    },
    "exp_manager": {
        "explicit_log_dir": "/opt/ml/output/tensorboard",
    },
    "data": {
        "train_dir": "/opt/ml/input/data/train",
    },
    "model": {
        "model_config": "/opt/ml/input/data/train/config.json",
    },
    "compiler_cache_url": "<compiler_cache_url>"
} 

tensorboard_output_config = TensorBoardOutputConfig(
    s3_output_path=os.path.join(output, 'tensorboard'),
    container_local_output_path=overrides["exp_manager"]["explicit_log_dir"]
)

estimator = PyTorch(
    output_path=output_path,
    base_job_name=f"llama-trn",
    role=role,
    instance_type="ml.trn1.32xlarge",
    sagemaker_session=sagemaker_session,
    training_recipe="training/llama/hf_llama3_70b_seq8k_trn1x16_pretrain",
    recipe_overrides=recipe_overrides,
)

estimator.fit(inputs={"train": "your-inputs"}, wait=True)

上述程式碼會使用訓練配方建立 PyTorch 估算器物件，然後使用 fit() 方法符合模型。使用 training_recipe 參數來指定您要用於訓練的配方。

使用配方啟動器啟動訓練任務

  • 更新 ./recipes_collection/cluster/sm_jobs.yaml

    • compiler_cache_url：用來儲存成品的 URL。它可以是 Amazon S3 URL。

    sm_jobs_config:
  output_path: <s3_output_path>
  wait: True
  tensorboard_config:
    output_path: <s3_output_path>
    container_logs_path: /opt/ml/output/tensorboard  # Path to logs on the container
  wait: True  # Whether to wait for training job to finish
  inputs:  # Inputs to call fit with. Set either s3 or file_system, not both.
    s3:  # Dictionary of channel names and s3 URIs. For GPUs, use channels for train and validation.
      train: <s3_train_data_path>
      val: null
  additional_estimator_kwargs:  # All other additional args to pass to estimator. Must be int, float or string.
    max_run: 180000
    image_uri: <your_image_uri>
    enable_remote_debug: True
    py_version: py39
  recipe_overrides:
    model:
      exp_manager:
        exp_dir: <exp_dir>
      data:
        train_dir: /opt/ml/input/data/train
        val_dir: /opt/ml/input/data/val

  • 更新 ./recipes_collection/config.yaml

    defaults:
  - _self_
  - cluster: sm_jobs
  - recipes: training/llama/hf_llama3_8b_seq8k_trn1x4_pretrain
cluster_type: sm_jobs # bcm, bcp, k8s or sm_jobs. If bcm, k8s or sm_jobs, it must match - cluster above.

instance_type: ml.trn1.32xlarge
base_results_dir: ~/sm_job/hf_llama3_8B # Location to store the results, checkpoints and logs.

  • 使用 main.py 啟動任務

    python3 main.py --config-path recipes_collection --config-name config

如需設定 SageMaker 訓練任務的詳細資訊，請參閱SageMaker 訓練任務預先訓練教學課程 (GPU)。