翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# チュートリアル - Amazon SageMaker HyperPod チェックポイントレス PEFT-LoRA GPT OSS 120b
<a name="sagemaker-eks-checkpointless-recipes-peft"></a>

HyperPod でチェックポイントレストレーニングレシピを実行するには、次の一連のステップが必要です。

## 前提条件
<a name="sagemaker-eks-checkpointless-recipes-peft-prereqs"></a>

環境のセットアップを開始する前に、以下を確認します。
+ [ Amazon SageMaker HyperPod での Amazon EKS サポートの有効化 HyperPod](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-hyperpod-eks-prerequisites.html)
+ [ HyperPod トレーニングオペレーターを設定する (v1.2\$1)](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-eks-operator.html)
+ 共有ストレージの場所。クラスターノードからアクセスできる Amazon FSx ファイルシステムまたは NFS システムでかまいません。
+ 以下の形式のいずれか。
  + JSON
  + JSONGZ (圧縮 JSON)
  + ARROW
+ Llama 70B または GPT-OSS 120B でサポートされているチェックポイントレストレーニングレシピを[ソース](https://github.com/aws/sagemaker-hyperpod-recipes/tree/main/recipes_collection)から選択します。
+ [ ハギングフェイスモデルの重みとシークレットを Nemo がサポートする形式にダウンロードします](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-eks-checkpointless-release-notes.html)。 [https://docs.nvidia.com/nemo-framework/user-guide/latest/nemo-2.0/features/hf-integration.html#importing-from-hugging-face](https://docs.nvidia.com/nemo-framework/user-guide/latest/nemo-2.0/features/hf-integration.html#importing-from-hugging-face)
+ 環境をセットアップする

## Kubernetes 環境のセットアップ
<a name="sagemaker-eks-checkpointless-recipes-peft-kubernetes"></a>

Kubernetes 環境を設定するには、以下を実行します。

1. 仮想環境をセットアップします。Python が 3.10 以上かつ < 3.14 以上を使用していることを確認します。

   ```
   python3 -m venv ${PWD}/venv
   source venv/bin/activate
   ```

1. [ kubectl と eksctl をセットアップする](https://docs.aws.amazon.com/eks/latest/userguide/install-kubectl.html)

1. [ Helm のインストール](https://helm.sh/docs/intro/install/)

1. Kubernetes クラスターに接続する

   ```
   aws eks update-kubeconfig --region "${CLUSTER_REGION}" --name "${CLUSTER_NAME}"
   ```

1. 以下のいずれかの方法で、依存関係をインストールします。
   + SageMaker HyperPod レシピの方法:

     ```
     # install SageMaker HyperPod Recipes.
     git clone --recursive git@github.com:aws/sagemaker-hyperpod-recipes.git
     cd sagemaker-hyperpod-recipes
     pip3 install -r requirements.txt
     ```
   + 事前定義されたジョブ yaml メソッドを使用した kubectl

     ```
     # install SageMaker HyperPod checkpointless training.
     git clone git@github.com:aws/sagemaker-hyperpod-checkpointless-training.git
     cd sagemaker-hyperpod-checkpointless-training
     ```

NeMo スタイルのランチャーまたは kubectl を使用してチェックポイントレストレーニングレシピを起動できるようになりました。

## レシピランチャーを使用してトレーニングジョブを起動する
<a name="sagemaker-eks-checkpointless-recipes-peft-recipes-launcher"></a>

または、SageMaker HyperPod レシピを使用してトレーニングジョブを送信することもできます。レシピを使用するには、k8s.yaml、config.yaml を更新し、起動スクリプトを実行します。

1. `launcher_scripts/gpt_oss/run_checkpointless_gpt_oss_120b_lora.sh` の更新

   your\$1contrainer: Deep Learning コンテナ。チェックポイントレストレーニングコンテナの最新リリースを確認するには、[「チェックポイントレストレーニングリリースノート](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-eks-checkpointless-release-notes.html)」を参照してください。

   ```
   #!/bin/bash
   SAGEMAKER_TRAINING_LAUNCHER_DIR=${SAGEMAKER_TRAINING_LAUNCHER_DIR:-"$(pwd)"}
   TRAIN_DIR="${TRAIN_DIR}"
   VAL_DIR="${VAL_DIR}"
   EXP_DIR="${EXP_DIR}"
   LOG_DIR="${LOG_DIR}"
   CONTAINER_MOUNT="/data"
   CONTAINER="${CONTAINER}"
   MODEL_NAME_OR_PATH="${MODEL_NAME_OR_PATH}"
   
   HYDRA_FULL_ERROR=1 python3 "${SAGEMAKER_TRAINING_LAUNCHER_DIR}/main.py" \
       recipes=fine-tuning/gpt_oss/checkpointless_gpt_oss_120b_lora \
       recipes.dataset.dataset_path="${TRAIN_DIR}" \
       recipes.exp_manager.exp_dir="${EXP_DIR}" \
       recipes.log_dir="${LOG_DIR}" \
       recipes.resume.restore_config.path="${MODEL_NAME_OR_PATH}" \
       base_results_dir="${SAGEMAKER_TRAINING_LAUNCHER_DIR}/results" \
       git.use_default=false \
       cluster=k8s \
       cluster_type=k8s \
       container="${CONTAINER}" \
       +cluster.hostNetwork=true \
       +cluster.persistent_volume_claims.0.claimName=fsx-claim \
       +cluster.persistent_volume_claims.0.mountPath="${CONTAINER_MOUNT}" \
       +recipes.dataset.val_dataset_path="${VAL_DIR}" \
       ++recipes.callbacks.3.test_fault_config.fault_prob_between_lock=1 \
   ```

1. トレーニングジョブを起動する

   ```
   bash launcher_scripts/gpt_oss/run_checkpointless_gpt_oss_120b_lora.sh
   ```

トレーニングジョブを送信したら、次のコマンドを使用して、送信が正常に完了したかどうかを確認できます。

```
kubectl get pods

NAME                             READY   STATUS             RESTARTS        AGE
gpt-oss-120b-worker-0             0/1    running               0            36s
```

STATUS が PENDING または ContainerCreating の場合、次のコマンドを実行して詳細を取得します。

```
kubectl describe pod <name of pod>
```

ジョブのステータスが「実行中」に変わったら、以下のコマンドを使用してログを確認できます。

```
kubectl logs <name of pod>
```

kubectl get pods を実行すると、STATUS は Completed になります。

## 事前定義された yaml を使用して kubectl でトレーニングジョブを起動する
<a name="sagemaker-eks-checkpointless-recipes-peft-kubectl"></a>

もう 1 つのオプションは、事前定義されたジョブ yaml を使用して kubectl を介してトレーニングを起動することです。

1. examples/gpt\$1oss/launch/peft\$1gpt\$1oss\$1120b\$1checkpointless\$1p5.yaml を更新する
   + イメージ: Deep Learning コンテナ。チェックポイントレストレーニングコンテナの最新リリースを確認するには、[「チェックポイントレストレーニングリリースノート](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-eks-checkpointless-release-notes.html)」を参照してください。
   + resume.restore\$1config.path=<path\$1to\$1pretrained\$1weights>: [ 前提条件](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-eks-checkpointless-recipes-peft.html#sagemaker-eks-checkpointless-recipes-peft-prereqs)ステップで Nemo 形式でダウンロードされた事前トレーニング済みモデルの重みへのパス。
   + dataset.dataset\$1path=<path\$1to\$1dataset>: 共有ストレージに保存されているデータセットへのパス

1. peft\$1gpt\$1oss\$1120b\$1checkpointless\$1p5.yaml で kubectl を使用してジョブを送信する

   ```
   kubectl apply -f examples/gpt_oss/launch/peft_gpt_oss_120b_checkpointless_p5.yaml
   ```

トレーニングジョブを送信したら、次のコマンドを使用して、送信が正常に完了したかどうかを確認できます。

```
kubectl get pods

NAME                                             READY   STATUS             RESTARTS        AGE
gpt-120b-lora-checkpointless-worker-0             0/1    running               0            36s
```

STATUS が PENDING または ContainerCreating の場合、次のコマンドを実行して詳細を取得します。

```
kubectl describe pod <name of pod>
```

ジョブのステータスが「実行中」に変わったら、以下のコマンドを使用してログを確認できます。

```
kubectl logs <name of pod>
```

kubectl get pods を実行すると、STATUS は Completed になります。