Seleziona le tue preferenze relative ai cookie

Utilizziamo cookie essenziali e strumenti simili necessari per fornire il nostro sito e i nostri servizi. Utilizziamo i cookie prestazionali per raccogliere statistiche anonime in modo da poter capire come i clienti utilizzano il nostro sito e apportare miglioramenti. I cookie essenziali non possono essere disattivati, ma puoi fare clic su \"Personalizza\" o \"Rifiuta\" per rifiutare i cookie prestazionali.

Se sei d'accordo, AWS e le terze parti approvate utilizzeranno i cookie anche per fornire utili funzionalità del sito, ricordare le tue preferenze e visualizzare contenuti pertinenti, inclusa la pubblicità pertinente. Per continuare senza accettare questi cookie, fai clic su \"Continua\" o \"Rifiuta\". Per effettuare scelte più dettagliate o saperne di più, fai clic su \"Personalizza\".

SageMaker HyperPod adattatore per ricette

Modalità Focus
SageMaker HyperPod adattatore per ricette - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

L'adattatore SageMaker HyperPod di formazione è un framework di formazione. Puoi usarlo per gestire l'intero ciclo di vita dei tuoi lavori di formazione. Utilizzate l'adattatore per distribuire la formazione preliminare o la messa a punto dei modelli su più macchine. L'adattatore utilizza diverse tecniche di parallelismo per distribuire l'addestramento. Gestisce anche l'implementazione e la gestione del salvataggio dei checkpoint. Per ulteriori dettagli, consulta Impostazioni avanzate.

Usa il repository dell'adattatore per SageMaker HyperPod ricette per utilizzare l'adattatore per ricette.

  1. src: Questa directory contiene l'implementazione del training LLM (Large-scale Language Model), che comprende varie funzionalità come il parallelismo dei modelli, l'addestramento a precisione mista e la gestione dei checkpoint.

  2. examples: Questa cartella fornisce una raccolta di esempi che dimostrano come creare un punto di partenza per l'addestramento di un modello LLM e funge da guida pratica per gli utenti.

PrivacyCondizioni del sitoPreferenze cookie
© 2025, Amazon Web Services, Inc. o società affiliate. Tutti i diritti riservati.