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。

# 部署基础模型和自定义经过微调的模型
<a name="sagemaker-hyperpod-model-deployment-deploy"></a>

无论您是部署来自 Amazon 的预训练基础开放权重模型或门控模型，还是存储在 Amazon SageMaker JumpStart S3 或 Amazon 中的自定义模型或微调模型 FSx，都能 SageMaker HyperPod 提供生产推理工作负载所需的灵活、可扩展的基础设施。




****  

|  | 从中部署开放式权重和封闭式基础模型 JumpStart | 部署来自 Amazon S3 和亚马逊的自定义和微调模型 FSx | 
| --- | --- | --- | 
| 描述 |  使用针对每个模型系列定制的自动优化和扩展策略，从全面的预训练基础模型目录中进行部署。  | 带上您自己的自定义和微调模型，并利用 SageMaker HyperPod企业基础设施进行生产规模的推理。您可以选择使用 Amazon S3 提供的经济实惠的存储或使用 Amazon 的高性能文件系统 FSx。 | 
| 主要优势 | [\[See the AWS documentation website for more details\]](http://docs.amazonaws.cn/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html) |  [\[See the AWS documentation website for more details\]](http://docs.amazonaws.cn/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 
| 部署选项 |  [\[See the AWS documentation website for more details\]](http://docs.amazonaws.cn/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  |  [\[See the AWS documentation website for more details\]](http://docs.amazonaws.cn/sagemaker/latest/dg/sagemaker-hyperpod-model-deployment-deploy.html)  | 

以下各节将引导您完成从亚马逊 SageMaker JumpStart 、Amazon S3 和亚马逊部署模型的过程 FSx。

**Topics**
+ [JumpStart 通过使用 Amazon SageMaker Studio 部署模型](sagemaker-hyperpod-model-deployment-deploy-js-ui.md)
+ [JumpStart 使用 kubectl 部署模型](sagemaker-hyperpod-model-deployment-deploy-js-kubectl.md)
+ [FSx 使用 kubectl 部署来自亚马逊 S3 和亚马逊的自定义微调模型](sagemaker-hyperpod-model-deployment-deploy-ftm.md)
+ [使用 Python SDK 和 HPCLI 部署自定义的经过微调的模型](deploy-trained-model.md) 
+ [ SageMaker JumpStart使用 Python 软件开发工具包和 HPCLI 从亚马逊部署模型](deploy-jumpstart-model.md)