本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
AI 模型定制作业提交
SageMaker 人工智能模型自定义功能可以从左侧面板的 Amazon SageMaker Studio 模型页面中访问。您还可以找到 “资产” 页面，您可以在其中创建和管理模型自定义数据集和赋值器。
要开始提交模型定制任务，请选择模型选项以访问 Jumpstart 基础模型选项卡：
你可以直接点击模型卡片中的自定义模型，也可以从 Meta 中搜索任何你感兴趣的自定义模型。
单击模型卡片后，您可以访问模型详细信息页面并启动自定义作业，方法是单击 “自定义模型”，然后选择 “使用用户界面定制”，开始配置 RLVR 作业。
然后，您可以输入您的自定义模型名称，选择要使用的模型自定义技术并配置您的作业超参数：
使用 SDK 提交 AI 模型自定义作业
你也可以使用 SageMaker AI Python SDK 提交模型自定义任务：
# Submit a DPO model customization job from sagemaker.modules.train.dpo_trainer import DPOTrainer from sagemaker.modules.train.common import TrainingType trainer = DPOTrainer( model=BASE_MODEL, training_type=TrainingType.LORA, model_package_group_name=MODEL_PACKAGE_GROUP_NAME, training_dataset=TRAINING_DATASET, s3_output_path=S3_OUTPUT_PATH, sagemaker_session=sagemaker_session, role=ROLE_ARN )
监控您的自定义作业
提交作业后，您将立即被重定向到模型定制训练作业页面。
作业完成后，您可以通过单击右上角的转到自定义模型按钮进入自定义模型详细信息页面。
在自定义模型详细信息页面中，您可以通过以下方式进一步使用您的自定义模型：
-
检查有关性能、生成的构件位置、训练配置超参数和训练日志的信息。
-
使用不同的数据集启动评估作业（继续自定义）。
-
使用 SageMaker AI 推理终端节点或 Amazon Bedrock 自定义模型导入来部署模型。
