SageMaker SDK ช่วยปรับปรุงเวิร์กโฟลว์การฝึกอบรมและการอนุมาน
วันนี้ เราได้เปิดตัวคลาสใหม่ที่ชื่อ ModelTrainer และได้ปรับปรุงคลาส ModelBuilder ใน SageMaker Python SDK การอัปเดตเหล่านี้จะช่วยปรับปรุงเวิร์กโฟลว์การฝึกอบรมและทำให้การใช้การอนุมานง่ายขึ้น
คลาส ModelTrainer ช่วยให้ลูกค้าสามารถตั้งค่าและปรับแต่งกลยุทธ์การฝึกแบบกระจายบน Amazon SageMaker ได้อย่างง่ายดาย ฟีเจอร์ใหม่นี้ช่วยเร่งเวลาในการฝึกโมเดล ปรับปรุงการใช้ทรัพยากรให้เหมาะสม และลดต้นทุนผ่านการประมวลผลแบบขนานที่มีประสิทธิภาพ ลูกค้าสามารถเปลี่ยนจุดเข้าใช้งานและคอนเทนเนอร์แบบกำหนดเองจากสภาพแวดล้อมภายในเครื่องไปยัง SageMaker ได้อย่างราบรื่น โดยไม่ต้องจัดการโครงสร้างพื้นฐาน ModelTrainer ทำให้การกำหนดค่าง่ายขึ้นโดยลดพารามิเตอร์ให้เหลือเพียงตัวแปรหลักไม่กี่ตัว และจัดเตรียมคลาสที่ใช้งานง่ายสำหรับการโต้ตอบบริการ SageMaker ที่เข้าใจได้ไม่ยาก นอกจากนี้ ด้วยคลาส ModelBuilder ที่มีประสิทธิภาพมากขึ้น ลูกค้าสามารถนำโมเดลจาก HuggingFace ไปใช้งานจริง เปลี่ยนการพัฒนาจากสภาพแวดล้อมภายในเครื่องไปยัง SageMaker และปรับแต่งการอนุมานโดยใช้สคริปต์การประมวลผลก่อนและหลังได้ง่ายขึ้น และที่สำคัญ ตอนนี้ลูกค้าสามารถส่งต่ออาร์ทิแฟกต์โมเดลที่ได้รับการฝึกอบรมจากคลาส ModelTrainer ไปยังคลาส ModelBuilder ได้อย่างง่ายดาย ซึ่งช่วยให้การเปลี่ยนผ่านจากการฝึกฝนไปยังการอนุมานบน SageMaker เป็นไปอย่างราบรื่น
คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับคลาส ModelTrainer ได้ที่นี่, การพัฒนาคลาส ModelBuilder ได้ที่นี่ และเริ่มต้นใช้งาน Notebook เวอร์ชันตัวอย่างของ ModelTrainer และ ModelBuilder ได้แล้ว