翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
インフラストラクチャオプション
Amazon SageMaker AI には、モデルをカスタマイズするための 3 つのインフラストラクチャオプションが用意されています。制御、スケーリング、容量アクセスの要件に基づいて を選択します。たとえば、SageMaker AI Flexible Training Plans を通じてリザーブドコンピューティングキャパシティーがある場合、カスタマイズレシピを使用してリザーブドキャパシティーでカスタマイズジョブを実行できます。違いは、コンピューティングリソースの管理方法にあります。
レシピは、SageMaker AI トレーニングジョブと HyperPod の両方で動作する事前設定されたトレーニング設定です。データセットのロード、分散トレーニング、チェックポイント管理を自動化します。GitHub のウェブサイトのSageMaker レシピ
| オプション | その内容とは | インターフェイス | 次の用途に適しています |
|---|---|---|---|
| サーバーレスモデルのカスタマイズ | フルマネージド、インスタンス選択なし。インフラストラクチャは自動的にプロビジョニングおよびリリースされます。 | Studio UI、PythonSDK (SFTTrainer、DPOTrainer など) | 迅速な実験、運用オーバーヘッドのない本番稼働用ジョブ |
| SageMaker AI トレーニングジョブ | インスタンスタイプとカウントを選択するエフェメラルジョブ。トレーニング後にリリースされたインスタンス。 | レシピ、PythonSDK (ModelTrainer) | カスタムインスタンス設定、高度な分散セットアップ |
| HyperPod | 自動障害検出と復旧を備えた永続的クラスター。クラスターはジョブ間で引き続き使用できます。 | レシピ、HP-CLI | 大規模なトレーニング、長時間実行されるジョブ、マルチジョブワークフロー |
