Fuentes modelo y acuerdos de licencia

Amazon SageMaker JumpStart proporciona acceso a cientos de modelos básicos patentados y disponibles públicamente de fuentes y socios de terceros. Puedes explorar la selección JumpStart de modelos básicos directamente en la SageMaker consola, en Studio o en Studio Classic.

Licencias y orígenes de modelos

Amazon SageMaker JumpStart proporciona acceso a modelos de base propietarios y disponibles públicamente. Los modelos fundacionales los incorporan y mantienen proveedores externos de código abierto y patentados. Por lo tanto, se publican bajo diferentes licencias según lo indique el origen del modelo. Asegúrese de revisar la licencia de cualquier modelo fundacional que utilice. Usted es el responsable de revisar y cumplir los términos de licencia aplicables y de asegurarse de que sean aceptables para su caso de uso antes de descargar o usar el contenido. Ejemplos de licencias de modelo fundacional comunes:

• Alexa Teacher Model

• Apache 2.0

• BigScience Licencia Responsible AI v1.0

• Licencia CreativeML Open ++-M RAIL

Del mismo modo, para cualquier modelo fundacional patentado, asegúrese de revisar y cumplir las condiciones de uso y las directrices de uso del proveedor del modelo. Si tiene preguntas sobre la información de licencia de un modelo patentado específico, póngase en contacto directamente con el proveedor del modelo. Puede encontrar la información de contacto del proveedor del modelo en la pestaña Soporte de cada página de modelos en AWS Marketplace.

Contratos de licencia para usuarios finales

Algunos modelos JumpStart básicos requieren la aceptación explícita de un acuerdo de licencia de usuario final (EULA) antes de su uso.

EULAaceptación en Amazon SageMaker Studio

Es posible que se te pida que aceptes un acuerdo de licencia de usuario final antes de ajustar, implementar o evaluar un modelo JumpStart básico en Studio. Para empezar a utilizar los modelos JumpStart básicos en Studio, consulte. Usa modelos básicos en Studio

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio clásico.

Algunos modelos JumpStart básicos requieren la aceptación de un acuerdo de licencia de usuario final antes de su implementación. Si esto se aplica al modelo básico que elija usar, Studio le mostrará una ventana con el EULA contenido. Usted es el responsable de revisar y cumplir los términos de licencia aplicables y de asegurarse de que sean aceptables para su caso de uso antes de descargar o usar el modelo.

EULAaceptación en Amazon SageMaker Studio Classic

Es posible que se le pida que acepte un acuerdo de licencia de usuario final antes de implementar un modelo JumpStart básico o abrir un cuaderno modelo JumpStart básico en Studio Classic. Para empezar a utilizar los JumpStart modelos básicos en Studio Classic, consulteUsa modelos de base en Amazon SageMaker Studio Classic.

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente del uso de la aplicación Studio Classic. Para obtener información sobre el uso de la experiencia de Studio actualizada, consulteAmazon SageMaker Studio.

Algunos modelos JumpStart básicos requieren la aceptación de un acuerdo de licencia de usuario final antes de su implementación. Si esto se aplica al modelo básico que elija utilizar, Studio Classic le mostrará una ventana titulada Revise el contrato de licencia para el usuario final (EULA) y la política de uso aceptable (), que aparece a continuación, después de elegir entre implementar o abrir bloc de notas. AUP Usted es el responsable de revisar y cumplir los términos de licencia aplicables y de asegurarse de que sean aceptables para su caso de uso antes de descargar o usar el modelo.

EULAaceptación con el SageMaker Python SDK

En las siguientes secciones se muestra cómo declarar explícitamente EULA la aceptación al implementar o ajustar un JumpStart modelo con el. SageMaker Python SDK Para obtener más información sobre cómo empezar a utilizar JumpStart los modelos básicos SageMaker PythonSDK, consulte. Utilice modelos de base con el SageMaker Python SDK

Antes de comenzar, asegúrese de hacer lo siguiente:

• Actualice a la última versión del modelo que utilice.

• Instale la última versión de SageMaker PythonSDK.

importante

Para utilizar el siguiente flujo de trabajo, debe tener instalada la versión 2.198.0 o posterior. SageMaker Python SDK

EULAaceptación al implementar un modelo JumpStart

En el caso de los modelos que requieren la aceptación de un acuerdo de licencia de usuario final, debe declarar explícitamente EULA la aceptación al implementar el JumpStart modelo.

from sagemaker.jumpstart.model import JumpStartModel
model_id = "meta-textgeneration-llama-2-13b"
my_model = JumpStartModel(model_id=model_id)

# Declare EULA acceptance when deploying your JumpStart model
predictor = my_model.deploy(accept_eula=True)

El valor accept_eula es None de forma predeterminada y debe redefinirse explícitamente como True para poder aceptar el acuerdo de licencia para el usuario final. Para obtener más información, consulte JumpStartModel.

EULAaceptación al ajustar un modelo JumpStart

Para ajustar los modelos que requieren la aceptación de un acuerdo de licencia de usuario final, debe declarar explícitamente la EULA aceptación al definir su estimador. JumpStart Tras ajustar con precisión un modelo previamente entrenado, se cambian los pesos del modelo original. Por lo tanto, cuando implemente el modelo ajustado más adelante, no necesitará aceptar un. EULA

from sagemaker.jumpstart.estimator import JumpStartEstimator
model_id = "meta-textgeneration-llama-2-13b"

# Declare EULA acceptance when defining your JumpStart estimator
estimator = JumpStartEstimator(model_id=model_id, environment={"accept_eula": "true"})
estimator.fit(
{"train": training_dataset_s3_path, "validation": validation_dataset_s3_path}
)

El accept_eula valor es el None predeterminado y debe redefinirse explícitamente como si estuviera "true" dentro del entorno del estimador para poder aceptar el acuerdo de licencia para el usuario final. Para obtener más información, consulte. JumpStartEstimator

EULA SageMaker PythonSDKversiones de aceptación anteriores a la 2.198.0

importante

Si utiliza versiones anteriores a la 2.198.0 de SageMaker PythonSDK, debe utilizar la SageMaker Predictor clase para aceptar un modelo. EULA

Tras implementar un modelo JumpStart básico mediante programación mediante la SageMaker PythonSDK, puede realizar inferencias en el punto final implementado con la clase. SageMaker Predictor En el caso de los modelos que requieren la aceptación de un acuerdo de licencia para el usuario final, debe declarar su EULA aceptación de forma explícita en la convocatoria a la clase: Predictor

predictor.predict(payload, custom_attributes="accept_eula=true")

El valor accept_eula es false de forma predeterminada y debe redefinirse explícitamente como true para poder aceptar el acuerdo de licencia para el usuario final. El predictor devuelve un error si se intenta realizar una inferencia con el valor establecido enaccept_eula. false Para obtener más información sobre cómo empezar a utilizar JumpStart los modelos básicos SageMaker PythonSDK, consulte. Utilice modelos de base con el SageMaker Python SDK

importante

El custom_attributes parámetro acepta pares clave-valor en este formato. "key1=value1;key2=value2" Si usa la misma clave varias veces, el servidor de inferencia usa el último valor asociado a la clave. Por ejemplo, si pasa "accept_eula=false;accept_eula=true" al parámetro custom_attributes, el servidor de inferencia asociará el valor true a la clave accept_eula.