# 在 SageMaker AI 上自定义 Amazon Nova 模型
<a name="nova-model"></a>

**注意**  
本文档适用于 Amazon Nova 版本 1。Amazon Nova 2 现已推出新的模型和增强功能。有关如何自定义 Amazon Nova 2 的信息，请访问[自定义 Amazon Nova 2 模型](https://docs.aws.amazon.com/nova/latest/nova2-userguide/nova-model.html)。

您可以通过[配方](nova-model-recipes.md#nova-model-get-recipes)自定义 [Amazon Nova 模型](https://docs.aws.amazon.com//nova/latest/userguide/what-is-nova.html)（包括增强版 Amazon Nova 2.0 模型），并在 SageMaker 上完成模型训练。这些配方支持监督式微调（SFT）、直接偏好优化（DPO）、强化微调（RFT）之类的技术，同时提供全秩适配与低秩适配（LoRA）选项。

端到端自定义工作流程包括模型训练、模型评测和推理部署等阶段。SageMaker 上的这种模型自定义方法提供了更大的灵活性和控制力，可以微调其支持的 Amazon Nova 模型，精确地优化超参数，并实施诸如 LoRA 参数高效微调（PEFT）、全秩 SFT、DPO、RFT、持续预训练（CPT）、近端策略优化（PPO）等技术。

SageMaker 提供了两个用于自定义 Amazon Nova 模型的环境。
+ [https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html](https://docs.aws.amazon.com//sagemaker/latest/dg/how-it-works-training.html)提供了一个完全托管的环境供用于自定义 Amazon Nova 模型，无需您创建或维护任何集群。该服务会自动处理所有基础设施预调配、扩展和资源管理，使您能够专注于配置训练参数和提交作业。您可以可通过 SageMaker 训练作业，使用参数高效微调（PEFT）、全秩微调、直接偏好优化（DPO）及强化微调（RFT）等技术对 Nova 模型进行定制。有关更多信息，请参阅 [基于 SageMaker 训练作业自定义 Amazon Nova](nova-model-training-job.md)。
**注意**  
如果为 Amazon Nova 模型自定义训练作业提供 KMS 密钥，用于对 Amazon 拥有的输出 S3 存储桶进行加密：  
在调用后续的[迭代训练作业](https://docs.aws.amazon.com//sagemaker/latest/dg/nova-iterative-training.html)，或在调用 Amazon Bedrock 的 [CreateCustomModel API](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_CreateCustomModel.html#bedrock-CreateCustomModel-request-modelKmsKeyArn) 以使用该加密模型时，必须提供相同的 KMS 密钥。
调用 `CreateTrainingJob` API 的身份（而非执行角色）必须具备 KMS 密钥策略中定义的以下权限：`CreateGrant`、`RetireGrant`、`Encrypt`、`GenerateDataKey`。
+ [https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html](https://docs.aws.amazon.com//sagemaker/latest/dg/sagemaker-hyperpod.html) 通过要求您创建和管理带有受限实例组（RIG）的 EKS 集群，提供了一个专门的环境用于训练 Amazon Nova 模型。该环境使您可以灵活地使用专用 GPU 实例和集成的适用于 Lustre 的 Amazon FSx 存储来配置训练环境，使其特别适合高级分布式训练场景和日常的模型开发。有关更多信息，请参阅 [基于 SageMaker HyperPod 的 Amazon Nova 自定义](nova-hp.md)。

**Topics**
+ [一般先决条件](nova-model-general-prerequisites.md)
+ [Amazon Nova 配方](nova-model-recipes.md)
+ [基于 SageMaker 训练作业自定义 Amazon Nova](nova-model-training-job.md)
+ [基于 SageMaker HyperPod 的 Amazon Nova 自定义](nova-hp.md)
+ [迭代训练](nova-iterative-training.md)
+ [SageMaker 推理](nova-model-sagemaker-inference.md)
+ [Amazon Bedrock 推理](nova-model-bedrock-inference.md)