Serverless-Modellanpassung von Amazon SageMaker AI unterstützt jetzt vollständige Feinabstimmung
Die Serverless-Modellanpassung von Amazon SageMaker AI unterstützt jetzt die vollständige Feinabstimmung für über 25 Open-Source-Modelle. Dazu gehören beliebte Modelle der Modellfamilien gpt-oss, Gemma, Llama, Nemotron und Qwen. Zusätzlich zu parametereffizienten Methoden wie LoRa, die eine kleine Teilmenge der Modellgewichte aktualisieren, können Sie jetzt alle Parameter im Modell aktualisieren, um eine tiefere Anpassung zu ermöglichen, wenn Ihr Anwendungsfall dies erfordert.
Eine vollständige Feinabstimmung ermöglicht es dem Modell, Ihre domänenspezifischen Muster, Ihre Terminologie und Ihre Aufgabenstruktur gründlicher zu erlernen. Dies ist besonders nützlich, wenn Sie das Modell benötigen, um Funktionen zu erwerben, die über stilistische Anpassungen auf oberflächlicher Ebene hinausgehen, z. B. das Erlernen spezieller Denkmuster, die Übernahme komplexer Ausgabeformate oder die Verinnerlichung von Domänenwissen aus großen firmeneigenen Datensätzen. Mit der Serverless-Modellanpassung verwaltet SageMaker die gesamte Infrastrukturbereitstellung und Trainingsorchestrierung, sodass Sie vollständige Feinabstimmungsaufgaben ausführen können, ohne Infrastruktur bereitstellen oder verwalten zu müssen, und Sie zahlen nur für das, was Sie tatsächlich nutzen.
Die vollständige Serverless-Feinabstimmung von SageMaker ist in den USA Ost (Nord-Virginia), USA West (Oregon), Asien-Pazifik (Tokio) und Europa (Irland) verfügbar. Navigieren Sie zunächst zur Seite „JumpStart und Modelle“ in Amazon SageMaker Studio, um einen Anpassungsjob zu starten, oder verwenden Sie das SageMaker-Python-SDK. Weitere Informationen und die Liste der unterstützten Modelle finden Sie in der Dokumentation zur Amazon SageMaker AI-Modellanpassung.