Anpassen von Amazon-Nova-Modellen - Amazon Nova

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Anpassen von Amazon-Nova-Modellen

Anmerkung

Diese Dokumentation bezieht sich auf Amazon Nova Version 1. Amazon Nova 2 ist jetzt mit neuen Modellen und erweiterten Funktionen erhältlich. Informationen zum Anpassen von Amazon Nova 2-Modellen finden Sie unter Amazon Nova 2-Modelle anpassen.

Sie können Amazon Nova-Modelle je nach den Anforderungen Ihres Anwendungsfalls mit Amazon Bedrock oder SageMaker KI anpassen, um die Modellleistung zu verbessern und ein besseres Kundenerlebnis zu schaffen.

Die Anpassung der Amazon-Nova-Modelle erfolgt unter Berücksichtigung von Überlegungen zu verantwortungsvoller KI. Die folgende Tabelle fasst die Verfügbarkeit von Anpassungen und Destillationen für Amazon Nova zusammen.

Modellname

Modell-ID

Feinabstimmung in Amazon Bedrock

Amazon-Bedrock-Destillation

Sagemaker Training Job-Feinabstimmung

Amazon Nova Micro

Amazon. nova-micro-v1:0:128 k

Ja

Schüler

Ja

Amazon Nova Lite

Amazonas. nova-lite-v1:0:300 k

Ja

Schüler

Ja

Amazon Nova Pro

Amazonas. nova-pro-v1:0:300 k

Ja

Lehrer und Schüler

Ja

Amazon Nova Premier

Amazonas. nova-premier-v1:00:1000 k

Nein

Lehrer

Nein

Amazon Nova Canvas

Amazonas. nova-canvas-v1:0

Ja

Nein

Nein

Amazon Nova Reel

Amazonas. nova-reel-v1:1

Nein

Nein

Nein

Die folgende Abbildung zeigt die für Amazon-Nova-Modelle verfügbaren Anpassungspfade:

Das Bild zeigt verschiedene Pfade, die für die Modellanpassung verfügbar sind.

In der folgenden Tabelle finden Sie eine Übersicht über die verfügbaren Trainingsrezepte. Die Tabelle enthält Informationen sowohl über den Service, den Sie verwenden können, als auch über die verfügbare Inferenztechnik.

Trainingsrezept

Amazon Bedrock

SageMaker Jobs im Bereich KI-Ausbildung

SageMaker KI Hyperpod

On-Demand

Bereitstellungsdurchsatz

Parametereffiziente überwachte Feinabstimmung

Ja

Ja

Ja

Ja

Ja

Überwachte Full-Rank-Feinabstimmung

Nein

Ja

Ja

Nein

Ja

Parametereffiziente Feinabstimmung; Direkte Präferenzoptimierung

Nein

Ja

Ja

Ja

Ja

Direkte Präferenzoptimierung (Full-Rank)

Nein

Ja

Ja

Nein

Ja

Proximale Richtlinienoptimierung durch verstärktes Lernen

Nein

Nein

Ja

Nein

Ja

Destillation – Amazon Nova Premier als Lehrer

Ja

Nein

Ja

Ja

Ja

Destillation – Amazon Nova Pro als Lehrer

Ja

Nein

Ja

Ja

Ja

Kontinuierliches Vortraining

Nein

Nein

Ja

Nein

Ja