Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Uso de los modelos fundacionales en Studio Amazon SageMaker Studio le permite ajustar, implementar y evaluar tanto los modelos básicos disponibles públicamente como los propietarios directamente a través de JumpStart la interfaz de usuario de Studio. **importante** A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md). Para empezar, dirígete a la página de JumpStart destino de Amazon SageMaker Studio. Puede acceder a ella desde la página **Inicio** o desde el menú del panel izquierdo. En la página de **JumpStart**inicio, puede explorar los centros de modelos de proveedores de modelos disponibles públicamente y propietarios, y buscar modelos. En cada centro de modelos, puede ordenar los modelos por **Mayor cantidad de me gusta**, **Mayor cantidad de descargas**, **Actualizados hace poco** o filtrarlos por tarea. Seleccione un modelo para ver su tarjeta de detalles. En la tarjeta de detalles del modelo, puede elegir entre **Ajustar**, **Implementar** o **Evaluar** el modelo, según la opción disponible. Tenga en cuenta que no todos los modelos están disponibles para su afinamiento o evaluación. Para obtener más información sobre cómo empezar a utilizar Amazon SageMaker Studio, consulte[Amazon SageMaker Studio](studio-updated.md). **Topics** + [Refinamiento de un modelo en Studio](jumpstart-foundation-models-use-studio-updated-fine-tune.md) + [Implementación de un modelo en Studio](jumpstart-foundation-models-use-studio-updated-deploy.md) + [Evaluación de un modelo en Studio](jumpstart-foundation-models-use-studio-updated-evaluate.md) + [Usa tus SageMaker JumpStart modelos en Amazon Bedrock](jumpstart-foundation-models-use-studio-updated-register-bedrock.md) # Refinamiento de un modelo en Studio El refinamiento entrena un modelo previamente entrenado en un nuevo conjunto de datos sin tener que entrenarlo desde cero. Este proceso, también conocido como aprendizaje por transferencia, puede producir modelos precisos con conjuntos de datos más pequeños y con menos tiempo de entrenamiento. Para afinar JumpStart los modelos básicos, navega hasta una tarjeta de detalles del modelo en la interfaz de usuario de Studio. Para obtener más información sobre cómo abrir JumpStart en Studio, consulte. [Abrir en Studio JumpStart](studio-jumpstart.md#jumpstart-open-studio) Tras acceder a la tarjeta de detalles del modelo que prefiera, seleccione **Entrenar** en la esquina superior derecha. Tenga en cuenta que no todos los modelos están disponibles para su refinamiento. **importante** Algunos modelos fundacionales requieren la aceptación explícita de un acuerdo de licencia de usuario final (EULA) antes del refinamiento. Para obtener más información, consulte [Aceptación del EULA en Amazon Studio SageMaker](jumpstart-foundation-models-choose.md#jumpstart-foundation-models-choose-eula-studio). ## Ajustes de modelos Cuando se utiliza un modelo JumpStart básico previamente entrenado en Amazon SageMaker Studio, la **ubicación del artefacto del modelo (URI de Amazon S3)** se rellena de forma predeterminada. Para editar el URI predeterminado de Amazon S3, elija **Introducir la ubicación del artefacto del modelo**. No todos los modelos admiten cambiar la ubicación del artefacto del modelo. ## Configuración de datos En el campo **Datos**, proporcione un punto de URI de Amazon S3 a la ubicación del conjunto de datos de entrenamiento. El URI predeterminado de Amazon S3 apunta a un ejemplo de conjunto de datos de entrenamiento. Para editar el URI predeterminado de Amazon S3, seleccione **Introducir conjunto de datos de entrenamiento** y cambie el URI. Asegúrate de revisar la tarjeta de detalles del modelo en Amazon SageMaker Studio para obtener información sobre el formato de los datos de entrenamiento. ## Hiperparámetros Puede personalizar los hiperparámetros del trabajo de entrenamiento que se utilizan para ajustar el modelo. Los hiperparámetros disponibles para cada modelo ajustable varían según el modelo. Los siguientes hiperparámetros son comunes entre los diversos modelos: + **Época**: una época es un ciclo que recorre todo el conjunto de datos. Varios intervalos completan un lote y, finalmente, varios lotes completan una época. Se ejecutan varias épocas hasta que la precisión del modelo alcanza un nivel aceptable o cuando la tasa de error cae por debajo de un nivel aceptable. + **Tasa de aprendizaje**: la cantidad que deben cambiar los valores entre épocas. A medida que se perfecciona el modelo, se modifican sus ponderaciones internas y se comprueban las tasas de error para ver si el modelo mejora. Una tasa de aprendizaje típica es de 0,1 o 0,01, donde 0,01 es un ajuste mucho menor y podría provocar que el entrenamiento tarde mucho en converger, mientras que 0,1 es mucho mayor y puede provocar que el entrenamiento se sobrepase. Es uno de los principales hiperparámetros que puede ajustar para entrenar su modelo. Tenga en cuenta que, en el caso de los modelos de texto, una tasa de aprendizaje mucho menor (5e-5 para BERT) puede dar como resultado un modelo más preciso. + **Tamaño del lote**: el número de registros del conjunto de datos que se van a seleccionar para cada intervalo y enviarlos al GPUs para su entrenamiento. Consulte las peticiones de la información sobre herramientas y la información adicional de la tarjeta de detalles del modelo en la interfaz de usuario de Studio para obtener más información sobre hiperparámetros específicos del modelo elegido. Para obtener más información sobre hiperparámetros disponibles, consulte [Hiperparámetros de refinamiento compatibles comunes](jumpstart-foundation-models-fine-tuning.md#jumpstart-foundation-models-fine-tuning-hyperparameters). ## Implementación Especifique el tipo de instancia de entrenamiento y la ubicación del artefacto de salida para el trabajo de entrenamiento. Solo puede elegir entre instancias que sean compatibles con el modelo elegido en el refinamiento de la interfaz de usuario de Studio. La ubicación predeterminada del artefacto de salida es el depósito predeterminado de la SageMaker IA. Para cambiar la ubicación del artefacto de salida, elija **Introducir ubicación del artefacto de salida** y cambie la URI de Amazon S3. ## Seguridad Especifique la configuración de seguridad que utilizará para su trabajo de formación, incluida la función de IAM que la SageMaker IA utiliza para entrenar su modelo, si su trabajo de formación debe conectarse a una nube privada virtual (VPC) y cualquier clave de cifrado para proteger sus datos. ## Información adicional En el campo **Información adicional** puede editar el nombre del trabajo de entrenamiento. También puede agregar y eliminar etiquetas en forma de pares clave-valor para organizar y categorizar sus trabajos de entrenamiento de refinamiento. Tras proporcionar la información para la configuración de refinamiento, seleccione **Enviar**. Si el modelo fundacional previamente diseñado que ha decidido refinar requiere aceptación explícita de un acuerdo de licencia para el usuario final (EULA) antes del entrenamiento, el EULA aparece en una ventana emergente. Para aceptar los términos del EULA, elija **Aceptar**. Usted es el responsable de revisar y cumplir los términos de licencia aplicables y de asegurarse de que sean aceptables para su caso de uso antes de descargar o usar el modelo. # Implementación de un modelo en Studio Para implementar modelos JumpStart básicos, navegue hasta una tarjeta de detalles del modelo en la interfaz de usuario de Studio. Para obtener más información sobre cómo abrir JumpStart en Studio, consulte[Abrir en Studio JumpStart](studio-jumpstart.md#jumpstart-open-studio). Tras acceder a la página de detalles del modelo que prefiera, seleccione **Implementar** en la esquina superior derecha de la interfaz de usuario de Studio. A continuación, siga los pasos que se indican en [Implementar modelos con SageMaker Studio](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints-deploy-models.html#deploy-models-studio). **importante** Algunos modelos fundacionales requieren la aceptación explícita de un acuerdo de licencia de usuario final (EULA) antes de su implementación. Para obtener más información, consulte [Aceptación del EULA en Amazon Studio SageMaker](jumpstart-foundation-models-choose.md#jumpstart-foundation-models-choose-eula-studio). # Evaluación de un modelo en Studio Amazon SageMaker JumpStart tiene integraciones con las evaluaciones de SageMaker modelos básicos (FME) de Clarify en Studio. Si un JumpStart modelo tiene funciones de evaluación integradas, puede elegir **Evaluar** en la esquina superior derecha de la página de detalles del modelo en la interfaz de usuario de JumpStart Studio. Para obtener más información, consulte [Evaluar un modelo fundacional](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-evaluate.html). # Usa tus SageMaker JumpStart modelos en Amazon Bedrock Puede registrar los modelos que ha desplegado de Amazon SageMaker JumpStart en Amazon Bedrock. Con Amazon Bedrock, puede alojar su modelo en varios puntos de conexión. También puede utilizar las características de Amazon Bedrock, como los agentes y las bases de conocimiento. Para obtener más información acerca del uso de los modelos de Amazon Bedrock, consulte [https://docs.aws.amazon.com/bedrock/latest/userguide/amazon-bedrock-marketplace.html](https://docs.aws.amazon.com/bedrock/latest/userguide/amazon-bedrock-marketplace.html). **importante** Para migrar sus modelos a Amazon Bedrock, le recomendamos adjuntar una [AmazonBedrockFullAccess](https://docs.aws.amazon.com/aws-managed-policy/latest/reference/AmazonBedrockFullAccess.html)política a su función de IAM. Si no puede asociar la política administrada, asegúrese de que su rol de IAM tenga los siguientes permisos: **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BedrockAll", "Effect": "Allow", "Action": [ "bedrock:*" ], "Resource": "*" }, { "Sid": "DescribeKey", "Effect": "Allow", "Action": [ "kms:DescribeKey" ], "Resource": "arn:*:kms:*:::*" }, { "Sid": "APIsWithAllResourceAccess", "Effect": "Allow", "Action": [ "iam:ListRoles", "ec2:DescribeVpcs", "ec2:DescribeSubnets", "ec2:DescribeSecurityGroups" ], "Resource": "*" }, { "Sid": "MarketplaceModelEndpointMutatingAPIs", "Effect": "Allow", "Action": [ "sagemaker:CreateEndpoint", "sagemaker:CreateEndpointConfig", "sagemaker:CreateModel", "sagemaker:CreateInferenceComponent", "sagemaker:DeleteInferenceComponent", "sagemaker:DeleteEndpoint", "sagemaker:UpdateEndpoint" ], "Resource": [ "arn:aws:sagemaker:*:*:endpoint/*", "arn:aws:sagemaker:*:*:endpoint-config/*", "arn:aws:sagemaker:*:*:model/*" ], "Condition": { "StringEquals": { "aws:CalledViaLast": "bedrock.amazonaws.com" } } }, { "Sid": "BedrockEndpointTaggingOperations", "Effect": "Allow", "Action": [ "sagemaker:AddTags", "sagemaker:DeleteTags" ], "Resource": [ "arn:aws:sagemaker:*:*:endpoint/*", "arn:aws:sagemaker:*:*:endpoint-config/*", "arn:aws:sagemaker:*:*:model/*" ] }, { "Sid": "MarketplaceModelEndpointNonMutatingAPIs", "Effect": "Allow", "Action": [ "sagemaker:DescribeEndpoint", "sagemaker:DescribeEndpointConfig", "sagemaker:DescribeModel", "sagemaker:DescribeInferenceComponent", "sagemaker:ListEndpoints", "sagemaker:ListTags" ], "Resource": [ "arn:aws:sagemaker:*:*:endpoint/*", "arn:aws:sagemaker:*:*:endpoint-config/*", "arn:aws:sagemaker:*:*:model/*" ], "Condition": { "StringEquals": { "aws:CalledViaLast": "bedrock.amazonaws.com" } } }, { "Sid": "BedrockEndpointInvokingOperations", "Effect": "Allow", "Action": [ "sagemaker:InvokeEndpoint", "sagemaker:InvokeEndpointWithResponseStream" ], "Resource": [ "arn:aws:sagemaker:*:*:endpoint/*" ], "Condition": { "StringEquals": { "aws:CalledViaLast": "bedrock.amazonaws.com" } } }, { "Sid": "DiscoveringMarketplaceModel", "Effect": "Allow", "Action": [ "sagemaker:DescribeHubContent" ], "Resource": [ "arn:aws:sagemaker:*:aws:hub-content/SageMakerPublicHub/Model/*", "arn:aws:sagemaker:*:aws:hub/SageMakerPublicHub" ] }, { "Sid": "AllowMarketplaceModelsListing", "Effect": "Allow", "Action": [ "sagemaker:ListHubContents" ], "Resource": "arn:aws:sagemaker:*:aws:hub/SageMakerPublicHub" }, { "Sid": "RetrieveSubscribedMarketplaceLicenses", "Effect": "Allow", "Action": [ "license-manager:ListReceivedLicenses" ], "Resource": [ "*" ] }, { "Sid": "PassRoleToSageMaker", "Effect": "Allow", "Action": [ "iam:PassRole" ], "Resource": [ "arn:aws:iam::*:role/*Sagemaker*ForBedrock*" ], "Condition": { "StringEquals": { "iam:PassedToService": [ "sagemaker.amazonaws.com", "bedrock.amazonaws.com" ] } } }, { "Sid": "PassRoleToBedrock", "Effect": "Allow", "Action": [ "iam:PassRole" ], "Resource": "arn:aws:iam::*:role/*AmazonBedrock*", "Condition": { "StringEquals": { "iam:PassedToService": [ "bedrock.amazonaws.com" ] } } } ] } ``` La política de acceso completo de Amazon Bedrock solo proporciona permisos a la API de Amazon Bedrock. Para utilizar Amazon Bedrock en Consola de administración de AWS, su función de IAM también debe tener los siguientes permisos: ``` { "Sid": "AllowConsoleS3AccessForBedrockMarketplace", "Effect": "Allow", "Action": [ "s3:GetObject", "s3:GetBucketCORS", "s3:ListBucket", "s3:ListBucketVersions", "s3:GetBucketLocation" ], "Resource": "*" } ``` Si está redactando su propia política, debe incluir la instrucción de la política que permita la acción de Amazon Bedrock Marketplace para el recurso. Por ejemplo, la siguiente política permite a Amazon Bedrock utilizar la operación `InvokeModel` para un modelo que haya implementado en un punto de conexión. **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BedrockAll", "Effect": "Allow", "Action": [ "bedrock:InvokeModel" ], "Resource": [ "arn:aws:bedrock:us-east-1:111122223333:marketplace/model-endpoint/all-access" ] }, { "Sid": "VisualEditor1", "Effect": "Allow", "Action": ["sagemaker:InvokeEndpoint"], "Resource": "arn:aws:sagemaker:us-east-1:111122223333:endpoint/*", "Condition": { "StringEquals": { "aws:ResourceTag/project": "example-project-id", "aws:CalledViaLast": "bedrock.amazonaws.com" } } } ] } ``` Tras implementar un modelo, es posible que pueda utilizarlo en Amazon Bedrock. Para comprobar si puede utilizarlo en Amazon Bedrock, navegue hasta la tarjeta de detalles del modelo en la interfaz de usuario de Studio. Si la tarjeta del modelo dice que es **Bedrock Ready**, puede registrar el modelo en Amazon Bedrock. **importante** De forma predeterminada, Amazon SageMaker JumpStart inhabilita el acceso a la red para los modelos que implementes. Si ha habilitado el acceso a la red, no podrá utilizar el modelo con Amazon Bedrock. Si desea utilizar el modelo con Amazon Bedrock, debe volver a implementarlo con el acceso a la red deshabilitado. Para utilizarlo con Amazon Bedrock, vaya a la página **Detalles del punto de conexión** y elija **Usar con Bedrock** en la esquina superior derecha de la interfaz de usuario de Studio. Cuando aparezca la ventana emergente, seleccione **Registrarse en Bedrock**.