Amazon SageMaker Studio
Webes munkakörnyezet fejlesztőknek adatok előkészítéséhez, AI-modellek tanításához és telepítéséhez.
Hivatalos weboldal
Modellfejlesztés
Az AWS szerint a Studio egy felületen kínál notebookokat, modelltanítást, kísérletek összehasonlítását és telepítést. A fejlesztők felügyelt JupyterLabot is használhatnak: ez notebookokkal végzett munkához való kódolási környezet.
Első konfigurációs feladat
Egy támogatott Hugging Face-modellnél válaszd a Deploy, az Amazon SageMaker AI, majd a Deploy on SageMaker AI lehetőséget, és kövesd az AWS bejelentkezési folyamatát. Új fióknál a Studio a kiválasztott modell telepítési beállításait nyitja meg. Javasolt megállási pontunk a kiválasztott modell és a géptípusok elérhető kvótájának megvizsgálása. Ez a telepítés előkészítése. Meglévő AWS-fióknál a megszokott bejelentkezés marad.
Próbáld ki: CurioFuse-gyakorlat
Saját szerkesztői mintafeladat, ellenőrzési szempontokkal.
Telepítés előtt írj konfigurációs döntést
Kitalált CurioFuse-brief: „Egy meglévő szövegosztályozó modellt vizsgáljunk; ne tanítsuk, ne tegyünk közzé végpontot, és ne indítsunk fizetős számítási feladatot.” Írd össze a tervezett modellazonosítót, verziót, szükséges futtatókörnyezetet és a fiók elérhető gépkvótáját. Minden mezőhöz őrizz meg dokumentációs hivatkozást, vagy jelöld ismeretlennek.
Az elfogadható eredmény konfigurációs jegyzet és tisztázandó kérdéslista, nem működő szolgáltatás. Eltérő modell vagy környezet esetén állj meg, és nevezd meg az eltérést.
A gyakorlat a felkészülést választja el a telepítéstől; nem állít sikeres modellfuttatást vagy ingyenes konfigurációt.
Források(2)
- Studio overviewEllenőrizve:
- Account setupEllenőrizve: