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.
Opzioni di infrastruttura
Amazon SageMaker AI offre tre opzioni di infrastruttura per la personalizzazione del modello. Scegli in base ai tuoi requisiti di controllo, scalabilità e accesso alla capacità. Ad esempio, se disponi di una capacità di elaborazione riservata tramite SageMaker AI Flexible Training Plans, puoi utilizzare le ricette di personalizzazione per eseguire lavori di personalizzazione sulla tua capacità riservata. La differenza sta nel modo in cui vengono gestite le risorse di calcolo.
Le ricette sono configurazioni di formazione preconfigurate che funzionano sia con SageMaker AI Training Jobs che. HyperPod Automatizzano il caricamento dei set di dati, la formazione distribuita e la gestione dei checkpoint. Vedi le SageMaker ricette
| Opzione | In cosa consiste | Interfacce | Ideale per |
|---|---|---|---|
| Personalizzazione del modello serverless | Completamente gestito, nessuna selezione di istanze. Infrastruttura predisposta e rilasciata automaticamente. | Interfaccia utente di Studio, Python SDK (SFTTrainer, DPOtrainer, ecc.) | Sperimentazione rapida, lavori di produzione senza costi operativi |
| SageMaker Offerte di lavoro di formazione sull'IA | Lavori temporanei in cui si seleziona il tipo di istanza e il conteggio. Istanze rilasciate dopo l'addestramento. | Ricette, Python SDK () ModelTrainer | Configurazioni di istanze personalizzate, configurazioni distribuite avanzate |
| HyperPod | Cluster persistenti con rilevamento e ripristino automatici dei guasti. I cluster rimangono disponibili per tutti i job. | Ricette, HP-CLI | Large-scale formazione, lavori di lunga durata, flussi di lavoro con più lavori |
