View a markdown version of this page

HyperPod - Amazon SageMaker AI
Présentation dePrise en main

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

HyperPod

HyperPod exécute la personnalisation du modèle sur des clusters de calcul persistants qui restent disponibles pour plusieurs tâches de formation. HyperPod assure la détection et la restauration automatiques des défauts, ce qui en fait la solution idéale pour les charges de travail de formation à grande échelle et de longue durée.

Pour les emplois de formation éphémères, voir. SageMaker Emplois de formation en IA Pour une formation sans serveur entièrement gérée, consultezPersonnalisation des modèles sans serveur.

Pour les techniques de personnalisation et les types de formation pris en charge, consultezTechniques de personnalisation.

Présentation de

Disponibilité par région

Disponible dans toutes les régions HyperPod prises en charge.

Options d'orchestration

  • HyperPod avec Amazon EKS — Interfaces : recettes, HP-CLI. Orchestration de la charge de travail Kubernetes basée sur l'utilisation avec gestion dynamique des capacités et tâches de formation conteneurisées.

  • HyperPod avec Slurm — Interfaces : recettes. Planification Slurm des tâches basée sur l'utilisation avec configuration des nœuds head, login et worker.

Techniques et types de formation pris en charge

HyperPod prend en charge toutes les techniques de personnalisation et tous les types d'entraînement. Consultez Techniques de personnalisation et Types de formation.

Prise en main

S'il s'agit de votre première utilisation HyperPod, consultez la section Conditions préalables à l'utilisation de l' SageMaker IA HyperPod pour configurer votre cluster.

Pour exécuter la personnalisation du modèle sur un HyperPod cluster existant, procédez comme suit :

  1. Clonez le référentiel de recettes : 

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

  2. Choisissez une recette parmirecipes_collection/recipes/fine-tuning/.

  3. Configurez les paramètres spécifiques au cluster (voir Cluster-specific Configurations).

  4. Lancez en utilisant la méthode appropriée :

    • EKS : utilisez le script de lancement ou HP-CLI

    • Slurm: utilisez le script du lanceur

Pour des didacticiels détaillés et le catalogue complet des recettes, consultez la documentation SageMaker AI Recipes.

Pour plus d'informations sur HyperPod, consultez Amazon SageMaker AI HyperPod.