View a markdown version of this page

HyperPod - Amazon SageMaker KI
-ÜbersichtErste Schritte

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

HyperPod

HyperPod führt die Modellanpassung auf persistenten Rechenclustern durch, die für mehrere Trainingsjobs verfügbar bleiben. HyperPod bietet automatische Fehlererkennung und -wiederherstellung und ist somit ideal für umfangreiche und lang andauernde Trainingsworkloads.

Informationen zu kurzlebigen Trainingsjobs finden Sie unter. SageMaker Jobs im Bereich KI-Ausbildung Eine vollständig verwaltete serverlose Schulung finden Sie unter. Serverlose Modellanpassung

Informationen zu unterstützten Anpassungstechniken und Schulungstypen finden Sie unterTechniken zur Anpassung.

-Übersicht

Regionale Verfügbarkeit

In allen HyperPod unterstützten Regionen verfügbar.

Orchestrierungsoptionen

  • HyperPod mit Amazon EKS — Schnittstellen: Rezepte, HP-CLI. KubernetesNutzungsbasierte Workload-Orchestrierung mit dynamischem Kapazitätsmanagement und containerisierten Schulungsaufträgen.

  • HyperPod mit Slurm — Schnittstellen: Rezepte. SlurmNutzungsbasierte Jobplanung mit Kopf-, Anmelde- und Worker-Knotenkonfiguration.

Unterstützte Techniken und Trainingsarten

HyperPod unterstützt alle Anpassungstechniken und Trainingstypen. Siehe Techniken zur Anpassung und Arten von Schulungen.

Erste Schritte

Wenn Sie es zum ersten Mal verwenden HyperPod, finden Sie weitere Informationen unter Voraussetzungen für die Verwendung von SageMaker KI HyperPod zur Einrichtung Ihres Clusters.

So führen Sie die Modellanpassung auf einem vorhandenen HyperPod Cluster durch:

  1. Klonen Sie das Rezept-Repository: 

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

  2. Wähle ein Rezept ausrecipes_collection/recipes/fine-tuning/.

  3. Konfigurieren Sie clusterspezifische Einstellungen (siehe Cluster-specific Konfigurationen).

  4. Starten Sie mit der entsprechenden Methode:

    • EKS: Benutze das Launcher-Skript oder HP-CLI

    • Slurm: Benutze das Launcher-Skript

Ausführliche Tutorials und den vollständigen Rezeptkatalog finden Sie in der Dokumentation zu SageMaker KI-Rezepten.

Weitere Informationen zu HyperPod, siehe Amazon SageMaker AI HyperPod.