SageMaker AI HyperPod 학습
Amazon Nova 모델은 Amazon Nova 레시피를 사용해 사용자 지정할 수 있으며, 이를 Amazon SageMaker AI HyperPod에서 학습시킬 수 있습니다. 레시피는 SageMaker AI가 모델 사용자 지정 작업을 수행하는 방법에 대한 세부 정보를 제공하는 YAML 구성 파일입니다.
SageMaker AI HyperPod는 최적화된 GPU 인스턴스와 Amazon FSx for Lustre 스토리지를 통한 고속 연산, TensorBoard 등의 도구와의 통합을 통한 강력한 모니터링, 반복적인 성능 향상을 위한 유연한 체크포인트 관리, Amazon Bedrock으로의 원활한 추론 배포, 효율적이고 확장 가능한 다중 노드 분산 학습을 통해 고성능 컴퓨팅 환경을 제공합니다. 이 모든 기능이 결합되어 조직이 자신들의 비즈니스 요구 사항에 맞게 Amazon Nova 모델을 안전하고 성능이 뛰어나며 유연성을 갖춘 환경에서 맞춤화할 수 있도록 지원합니다.
SageMaker AI HyperPod에서 Amazon Nova 모델을 사용자 지정할 경우, 모델 체크포인트를 포함한 모델 아티팩트는 서비스 관리형 Amazon S3 버킷에 저장됩니다. 서비스 관리형 버킷의 아티팩트는 SageMaker 관리형 AWS KMS 키로 암호화됩니다. 현재 서비스 관리형 Amazon S3 버킷은 사용자 관리형 KMS 키를 사용한 데이터 암호화를 지원하지 않습니다. 이 체크포인트 저장 위치는 평가 작업 또는 Amazon Bedrock 추론에 활용할 수 있습니다.
이 섹션에서는 SageMaker AI HyperPod를 사용하여 조정할 수 있는 Amazon Nova 모델 파라미터, 파라미터를 조정해야 할 시점, 모델 성능에 미치는 영향에 대해 설명합니다. 파라미터는 학습 기법별로 제시됩니다. 모델 훈련 작업 제출 방법에 대한 정보는 SageMaker 훈련 작업 실행을 참조하세요.
