SageMaker HyperPod recettes

Les SageMaker HyperPod recettes Amazon sont des piles de formation préconfigurées fournies par AWS pour vous aider à démarrer rapidement la formation et à affiner les modèles de base (FM) accessibles au public issus de différentes familles de modèles telles que Llama, Mistral, Mixtral ou. DeepSeek Les recettes automatisent la boucle d’entraînement de bout en bout, notamment le chargement des jeux de données, l’application de techniques d’entraînement distribuées et la gestion des points de contrôle pour accélérer la reprise en cas de panne.

SageMaker HyperPod les recettes sont particulièrement utiles pour les utilisateurs qui ne disposent pas d'une expertise approfondie en matière d'apprentissage automatique, car elles permettent d'éliminer une grande partie de la complexité liée à la formation de grands modèles.

Vous pouvez exécuter des recettes dans le cadre de tâches de formation SageMaker HyperPod ou en tant que tâches de SageMaker formation.

Les tableaux suivants sont conservés dans le SageMaker HyperPod GitHub référentiel et fournissent les informations les plus récentes sur les modèles pris en charge pour la pré-formation et le réglage, leurs recettes et scripts de lancement respectifs, les types d'instances pris en charge, etc.

Pour SageMaker HyperPod les utilisateurs, l'automatisation des flux de formation de bout en bout provient de l'intégration de l'adaptateur de formation aux SageMaker HyperPod recettes. L'adaptateur d'entraînement repose sur le NeMo framework NVIDIA et le package Neuronx Distributed Training. Si vous êtes habitué à l'utiliser NeMo, le processus d'utilisation de l'adaptateur d'entraînement est le même. L’adaptateur d’entraînement exécute la recette sur votre cluster.

Vous pouvez également entraîner votre propre modèle en définissant votre propre recette personnalisée.

Pour commencer à utiliser un didacticiel, consultez Tutoriels.