SageMaker SDK 增强了训练和推理工作流程

发布于: 2024年12月6日

今天，我们将在 SageMaker Python SDK 中推出新的 ModelTrainer 类并增强 ModelBuilder 类。这些更新简化了训练工作流程并简化了推理部署。

ModelTrainer 类使客户能够在 Amazon SageMaker 上轻松设置和自定义分布式训练策略。这项新功能加快了模型训练时间，优化了资源利用率，并通过高效的并行处理降低了成本。客户可以将其自定义入口点和容器从本地环境顺利过渡到 SageMaker，从而无需管理基础设施。ModelTrainer 将参数减少为几个核心变量并为直观的 SageMaker 服务交互提供用户友好的类，从而简化了配置。此外，借助增强的 ModelBuilder 类，客户现在可以轻松部署 HuggingFace 模型，在本地环境开发和 SageMaker 之间切换，并使用预处理和后处理脚本自定义推理。重要的是，客户现在可以轻松地将经过训练的模型构件从 ModelTrainer 类传递到 ModelBuilder 类，从而可以在 SageMaker 上从训练无缝过渡到推理。

您可以在此处了解有关 ModelTrainer 类的更多信息，在此处了解有关 ModelBuilder 增强功能的更多信息，并开始使用 ModelTrainer 和 ModelBuilder 示例 Notebook。