As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Opções de infraestrutura
O Amazon SageMaker AI oferece três opções de infraestrutura para personalização de modelos. Escolha com base em seus requisitos de controle, escala e acesso à capacidade. Por exemplo, se você reservou capacidade computacional por meio dos planos de treinamento flexíveis da SageMaker AI, poderá usar as receitas de personalização para executar trabalhos de personalização em sua capacidade reservada. A diferença está na forma como os recursos computacionais são gerenciados.
As receitas são configurações de treinamento pré-configuradas que funcionam com trabalhos de treinamento de SageMaker IA e. HyperPod Eles automatizam o carregamento do conjunto de dados, o treinamento distribuído e o gerenciamento de pontos de verificação. Veja SageMaker as receitas
| Opção | O que é | Interfaces | Melhor para |
|---|---|---|---|
| Personalização de modelos sem servidor | Totalmente gerenciado, sem seleção de instâncias. Infraestrutura provisionada e lançada automaticamente. | UI do Studio, Python SDK (SFTtrainer, DPOTrainer etc.) | Experimentação rápida, trabalhos de produção sem sobrecarga operacional |
| SageMaker Empregos de treinamento em IA | Trabalhos efêmeros em que você seleciona o tipo e a contagem de instâncias. Instâncias liberadas após o treinamento. | Receitas, Python SDK () ModelTrainer | Configurações de instância personalizadas, configurações distribuídas avançadas |
| HyperPod | Clusters persistentes com detecção e recuperação automáticas de falhas. Os clusters permanecem disponíveis em todos os trabalhos. | Receitas, HP-CLI | Large-scale treinamento, trabalhos de longa duração, fluxos de trabalho com várias tarefas |
