Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
HyperPod
HyperPod menjalankan kustomisasi model pada cluster komputasi persisten yang tetap tersedia di beberapa pekerjaan pelatihan. HyperPod menyediakan deteksi dan pemulihan kesalahan otomatis, membuatnya ideal untuk beban kerja pelatihan skala besar dan jangka panjang.
Untuk pekerjaan pelatihan fana, lihat. SageMaker Lowongan AI Training Untuk pelatihan tanpa server yang dikelola sepenuhnya, lihatKustomisasi model tanpa server.
Untuk teknik penyesuaian yang didukung dan jenis pelatihan, lihatTeknik kustomisasi.
Gambaran umum
Ketersediaan wilayah
Tersedia di semua wilayah HyperPod yang didukung.
Opsi orkestrasi
HyperPod dengan Amazon EKS — Antarmuka: Resep, HP-CLI. Gunakan orkestrasi beban kerja Kubernetes berbasis dengan manajemen kapasitas dinamis dan pekerjaan pelatihan kontainer.
HyperPod dengan Slurm - Antarmuka: Resep. Gunakan penjadwalan pekerjaan Slurm berbasis dengan konfigurasi head, login, dan worker node.
Teknik dan jenis pelatihan yang didukung
HyperPod mendukung semua teknik penyesuaian dan jenis pelatihan. Lihat Teknik kustomisasi dan Jenis pelatihan.
Memulai
Jika ini adalah pertama kalinya Anda menggunakan HyperPod, lihat Prasyarat untuk menggunakan SageMaker AI HyperPod untuk mengatur cluster Anda.
Untuk menjalankan kustomisasi model pada HyperPod cluster yang ada:
Kloning repositori resep:
git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git cd sagemaker-hyperpod-recipes pip3 install -r requirements.txtPilih resep dari
recipes_collection/recipes/fine-tuning/.Konfigurasikan pengaturan khusus cluster (lihat Cluster-specific konfigurasi).
Luncurkan menggunakan metode yang sesuai:
EKS: Gunakan skrip peluncur atau HP-CLI
Slurm: Gunakan skrip peluncur
Untuk tutorial terperinci dan katalog resep lengkap, lihat dokumentasi Resep SageMaker AI.
Untuk informasi selengkapnya HyperPod, lihat Amazon SageMaker AI HyperPod.