Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
SageMaker HyperPod ricette
SageMaker HyperPod Le ricette Amazon sono stack di formazione preconfigurati forniti da AWS per aiutarti a iniziare rapidamente ad addestrare e perfezionare i modelli di base (FM) disponibili pubblicamente di varie famiglie di modelli come Llama, Mistral, Mixtral o. DeepSeek Le ricette automatizzano il ciclo di addestramento end-to-end, incluso il caricamento di set di dati, l’applicazione di tecniche di addestramento distribuito e la gestione dei checkpoint per un recupero più rapido dai guasti.
SageMaker HyperPod le ricette sono particolarmente utili per gli utenti che potrebbero non avere competenze approfondite nell'apprendimento automatico, in quanto riducono gran parte della complessità associata all'addestramento di modelli di grandi dimensioni.
È possibile eseguire le ricette all'interno SageMaker HyperPod o come SageMaker attività di formazione.
Le tabelle seguenti sono conservate nel SageMaker HyperPod GitHub repository e forniscono le informazioni più aggiornate sui modelli supportati per il pre-training e la messa a punto, le rispettive ricette e script di avvio, i tipi di istanze supportati e altro ancora.
-
Per l’elenco più aggiornato dei modelli, delle ricette e degli script di avvio supportati per il preaddestramento, consulta la tabella di preaddestramento
. -
Per l’elenco più aggiornato dei modelli, delle ricette e degli script di avvio supportati per il fine-tuning, consulta la tabella di fine-tuning
.
Per SageMaker HyperPod gli utenti, l'automazione dei flussi di lavoro di formazione end-to-end deriva dall'integrazione dell'adattatore di formazione con le ricette. SageMaker HyperPod L'adattatore di formazione è basato sul NeMo framework NVIDIA e sul pacchetto
Puoi anche addestrare un tuo modello definendo una ricetta personalizzata.
Per iniziare con un tutorial, consulta Esercitazioni.
Argomenti
