amazon-sagemaker-examples

範例 📓 Jupyter 筆記本,展示如何使用 🧠 Amazon SageMaker 建置、訓練及部署機器學習模型。

amazon-sagemaker-examples 是什麼?

範例 📓 Jupyter 筆記本,展示如何使用 🧠 Amazon SageMaker 建置、訓練及部署機器學習模型。

amazon-sagemaker-examples 概覽

這是什麼

此倉庫包含示範如何使用 Amazon SageMaker 建構、訓練及部署機器學習模型的 Jupyter 筆記本範例。README 中也宣布了 SageMaker-Core,這是一個新的 Python SDK,為 SageMaker 資源提供物件導向介面。這些筆記本按機器學習能力分類,且每個筆記本都是自包含的。

主要功能

  • 筆記本按機器學習能力分類:訓練、模型客製化、評估、推論及 MLOps。
  • 訓練範例涵蓋腳本與框架訓練、分散式訓練、受管 Spot 訓練、異質叢集、自帶容器、AWS Batch 訓練佇列,以及使用 @remote 將本地程式碼作為訓練任務執行。
  • 模型客製化範例包括監督式微調 (SFT)、直接偏好最佳化 (DPO)、基於可驗證獎勵的強化學習 (RLVR)、來自 AI 回饋的強化學習 (RLAIF)、多輪強化學習 (MTRL)、持續預訓練 (CPT)、配方覆蓋、資料混合、JumpStart 微調及分散式微調。
  • 評估範例使用 SageMaker 評估工具進行標準基準測試、自訂評分函式、LLM 擔任評審及 Inspect AI。
  • 推論範例涵蓋即時、無伺服器及非同步端點;推論管線;多模型與多容器端點;A/B 測試、影子變體、部署護欄;自動擴展;延遲與成本最佳化;批次轉換;部署至 Amazon Bedrock;AWS Marketplace 模型套件;以及使用 Augmented AI 進行人工審核。
  • MLOps 範例包括 SageMaker Pipelines 搭配模型登錄、血緣追蹤、實驗追蹤、特徵商店、處理任務、EMR Serverless 步驟、使用 Clarify 進行偏差與可解釋性分析,以及 MLflow。
  • 此倉庫由 Amazon SageMaker 團隊維護,僅接受展示尚未涵蓋功能的筆記本。

使用情境

  • 希望透過實作範例學習如何使用 Amazon SageMaker 功能的機器學習從業人員。
  • 尋求使用 SageMaker-Core 自訂 AWS 原始元件以進行機器學習工作負載的開發者。
  • 尋找訓練、客製化、評估、部署及 MLOps 參考實作的團隊。

快速開始

要執行範例筆記本,您需要一個 AWS 帳戶、適當的 IAM 使用者與角色設定、一個 Amazon SageMaker Notebook Instance 以及一個 S3 儲存桶。這些筆記本會自動載入 SageMaker Notebook Instance,並可從 Jupyter 中的 SageMaker Examples 標籤或 JupyterLab 中的 SageMaker 標誌存取。詳細設定說明請參閱倉庫的 README。

授權與價格

此函式庫採用 Apache 2.0 授權。它是開放原始碼且免費使用。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/awsamazon-sagemaker-examples.svg)](https://yunodb.com/tools/awsamazon-sagemaker-examples?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/awsamazon-sagemaker-examples?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/awsamazon-sagemaker-examples.svg" alt="Featured on YunoDB" height="20"></a>