SageMaker SDK улучшает рабочие процессы обучения и логического вывода
Сегодня мы представляем новый класс ModelTrainer и улучшаем класс ModelBuilder в SDK SageMaker Python. Эти обновления упрощают учебные рабочие процессы и упрощают развертывание логических выводов.
Класс ModelTrainer позволяет клиентам легко настраивать и настраивать стратегии распределенного обучения в Amazon SageMaker. Эта новая функция ускоряет обучение моделей, оптимизирует использование ресурсов и снижает затраты за счет эффективной параллельной обработки. Клиенты могут беспрепятственно переносить свои настраиваемые точки входа и контейнеры из локальной среды в SageMaker, устраняя необходимость в управлении инфраструктурой. ModelTrainer упрощает настройку, сокращая параметры до нескольких основных переменных и предоставляя удобные классы для интуитивного взаимодействия с сервисами SageMaker. Кроме того, благодаря усовершенствованному классу ModelBuilder клиенты теперь могут легко развертывать модели HuggingFace, переключаться с разработки в локальной среде на SageMaker и настраивать свои выводы с помощью скриптов предварительной и последующей обработки. Важно отметить, что теперь клиенты могут легко передавать обученные артефакты моделей из класса ModelTrainer в класс ModelBuilder, что обеспечивает плавный переход от обучения к выводам в SageMaker.
Вы можете узнать больше о классе ModelTrainer здесь, об улучшениях ModelBuilder – здесь и начать использовать образцы ноутбуков ModelTrainer и ModelBuilder.