Fuentes de modelos y acuerdos de licencia

Amazon SageMaker JumpStart proporciona acceso a cientos de modelos fundacionales patentados y disponibles públicamente de fuentes y socios de terceros. Puede explorar la selección de modelos fundacionales de JumpStart directamente en la consola de SageMaker, Studio o Studio Classic.

Licencias y orígenes de modelos

Amazon SageMaker JumpStart proporciona acceso a modelos fundacionales patentados y disponibles públicamente. Los modelos fundacionales los incorporan y mantienen proveedores externos de código abierto y patentados. Por lo tanto, se publican bajo diferentes licencias según lo indique el origen del modelo. Asegúrese de revisar la licencia de cualquier modelo fundacional que utilice. 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 contenido. Ejemplos de licencias de modelo fundacional comunes:

Del mismo modo, para cualquier modelo fundacional patentado, asegúrese de revisar y cumplir las condiciones de uso y las directrices de uso del proveedor del modelo. Si tiene preguntas sobre la información de licencia de un modelo patentado específico, póngase en contacto directamente con el proveedor del modelo. Puede encontrar la información de contacto del proveedor del modelo en la pestaña Soporte de cada página de modelos en AWS Marketplace.

Contratos de licencia para usuarios finales

Algunos modelos fundacionales de JumpStart requieren la aceptación explícita de un acuerdo de licencia de usuario final (EULA) antes de su implementación.

Aceptación del EULA en Amazon SageMaker Studio

Es posible que se le pida que acepte un acuerdo de licencia de usuario final antes de afinar, implementar o evaluar un modelo fundacional de JumpStart en Studio. Para empezar a utilizar los modelos fundacionales de JumpStart en Studio, consulte Uso de los modelos fundacionales en Studio.

Algunos modelos fundacionales de JumpStart requieren la aceptación de un acuerdo de licencia de usuario final antes de su implementación. Si esto se aplica al modelo fundacional que elija usar, Studio le mostrará una ventana con el contenido del EULA. 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.

Aceptación del EULA en Amazon SageMaker Studio Classic

Es posible que se le pida que acepte un acuerdo de licencia de usuario final antes de implementar un modelo fundacional de JumpStart o de abrir un cuaderno del modelo fundacional de JumpStart en Studio Classic. Para empezar a utilizar los modelos fundacionales de JumpStart en Studio, consulte Uso de los modelos fundacionales en Amazon SageMaker Studio.

Algunos modelos fundacionales de JumpStart requieren la aceptación de un acuerdo de licencia de usuario final antes de su implementación. Si esto se aplica al modelo fundacional que elija utilizar, Studio Classic le mostrará una ventana titulada Revise el contrato de licencia para el usuario final (EULA) y la política de uso aceptable (AUP) a continuación, después de seleccionar Implementar o Abrir cuaderno. 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.

Aceptación del EULA con el SageMaker Python SDK

En las siguientes secciones se muestra cómo declarar explícitamente la aceptación del EULA al implementar o afinar un modelo de JumpStart con el SageMaker Python SDK. Para obtener más información sobre cómo empezar a utilizar los modelos fundacionales de JumpStart mediante el SageMaker Python SDK, consulte Uso de modelos fundacionales con el SageMaker Python SDK.

Antes de comenzar, asegúrese de hacer lo siguiente:

Aceptación del EULA al implementar un modelo de JumpStart

En el caso de los modelos que requieren la aceptación de un acuerdo de licencia para el usuario final, debe declarar explícitamente la aceptación del EULA al implementar el modelo de JumpStart.

from sagemaker.jumpstart.model import JumpStartModel
model_id = "meta-textgeneration-llama-2-13b"
my_model = JumpStartModel(model_id=model_id)

# Declare EULA acceptance when deploying your JumpStart model
predictor = my_model.deploy(accept_eula=True)

El valor accept_eula es None de forma predeterminada y debe redefinirse explícitamente como True para poder aceptar el acuerdo de licencia para el usuario final. Para obtener más información, consulte JumpStartModel.

Aceptación del EULA al afinar un modelo de JumpStart

Para afinar modelos que requieren la aceptación de un acuerdo de licencia para el usuario final, debe declarar explícitamente la aceptación del EULA al definir el estimador de JumpStart. Después de afinar un modelo previamente entrenado, cambian las ponderaciones del modelo original. Por tanto, cuando implemente el modelo afinado más adelante, no necesitará aceptar un EULA.

from sagemaker.jumpstart.estimator import JumpStartEstimator
model_id = "meta-textgeneration-llama-2-13b"

# Declare EULA acceptance when defining your JumpStart estimator
estimator = JumpStartEstimator(model_id=model_id, environment={"accept_eula": "true"})
estimator.fit(
{"train": training_dataset_s3_path, "validation": validation_dataset_s3_path}
)

El valor accept_eula es None de forma predeterminada y debe redefinirse explícitamente como "true" en el entorno del estimador para poder aceptar el acuerdo de licencia para el usuario final. Para obtener más información, consulte JumpStartEstimator.

Aceptación del EULA en versiones del SageMaker Python SDK anteriores a la 2.198.0

Tras implementar un modelo fundacional de JumpStart mediante programación con el SageMaker Python SDK, puede realizar inferencias en el punto de conexión implementado con la clase Predictor de SageMaker. En el caso de los modelos que requieren la aceptación de un acuerdo de licencia para el usuario final, debe declarar explícitamente la aceptación del EULA en la llamada a la clase Predictor.

predictor.predict(payload, custom_attributes="accept_eula=true")

El valor accept_eula es false de forma predeterminada y debe redefinirse explícitamente como true para poder aceptar el acuerdo de licencia para el usuario final. El predictor devuelve un error si intenta ejecutar una inferencia cuando accept_eula está establecido en false. Para obtener más información sobre cómo empezar a utilizar los modelos fundacionales de JumpStart mediante el SageMaker Python SDK, consulte Uso de modelos fundacionales con el SageMaker Python SDK.