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
<a name="customizing-models-infrastructure"></a>

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 ](https://docs.aws.amazon.com/sagemaker/latest/dg/reserve-capacity-with-training-plans.html)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](https://github.com/aws/sagemaker-hyperpod-recipes)」を参照してくださいGitHub。


| 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](customize-model.md) | 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](customizing-models-training-jobs.md) | 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](customizing-models-hyperpod.md) | 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 |