Amazon SageMaker-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 5575 篇文章
累计创建 1954 个标签
累计收到 0 条评论

目录CONTENT

以下是 Amazon SageMaker 相关的文章

2026-02-21
2025年Amazon SageMaker AI回顾（第一部分）：灵活的训练计划和推理工作负载的价格性能改进本文回顾了2025年Amazon SageMaker AI在核心基础设施方面的重大改进，重点关注两大方面：一是推出了“灵活训练计划”（Flexible Training Plans）以确保推理部署的GPU容量可用性；二是显著提升了推理工作负载的价格性能，包括引入多可用区（Multi-AZ）高可用性、并行扩展、EAGLE-3推测解码以及动态多适配器推理功能。
- 2026-02-21
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2026-02-21
2025年Amazon SageMaker AI回顾（下）：SageMaker AI模型定制与托管在可观测性和功能方面的改进本文是Amazon SageMaker AI 2025年回顾系列的第二部分，重点介绍了在模型可观测性、模型定制和模型托管方面的关键增强功能。新的增强功能包括实例和容器级别的细粒度指标、支持零停机更新的滚动更新部署，以及实现RLVR/RLAIF等先进微调技术的无服务器定制功能，极大地提升了企业部署生成式AI工作负载的可靠性和易用性。
- 2026-02-21
- 0
- 0
- 0
2026-02-20
亚马逊深度学习平台SageMaker现已支持Meta的Llama 3模型亚马逊云科技（AWS）宣布，其托管式机器学习服务Amazon SageMaker现已全面支持Meta最新发布的开源大语言模型Llama 3。这项整合旨在为企业用户提供更便捷、高效的方式来部署和扩展Llama 3模型，无需处理复杂的底层基础设施管理。SageMaker的集成使得开发者可以直接利用其优化的工具链进行模型微调、安全部署和性能监控，极大地加速了企业在生成式AI应用中的落地进程。此次合作进一步巩固了AWS在AI/ML平台领域的领导地位，并为寻求高性能AI解决方案的企业提供了强有力的支持。
- 2026-02-20
- 0
- 0
- 0
2026-02-12
NVIDIA Nemotron 3 Nano 30B MoE 模型现已在 Amazon SageMaker JumpStart 中提供我们很高兴地宣布，NVIDIA Nemotron 3 Nano 30B（含3B激活参数）MoE 模型现已在 Amazon SageMaker JumpStart 模型目录中正式发布。开发者无需管理复杂的模型部署，即可利用 SageMaker JumpStart 的托管部署能力，快速在 AWS 上为生成式AI应用提供动力。该模型在编码和推理方面表现出色，支持高达100万个Token的上下文窗口。
- 2026-02-12
- 2
- 0
- 0
2026-02-10
使用 Hugging Face 和 Amazon SageMaker AI 扩展 LLM 微调能力企业正越来越多地将通用大语言模型（LLM）转向基于私有数据进行专业化微调。本文深入探讨了如何利用 Hugging Face 与 Amazon SageMaker AI 的紧密集成，克服扩展 LLM 微调的技术和运营挑战。通过集成了 LoRA 和 FSDP 等先进技术，企业能够简化模型定制流程，加速实现领域特定 LLM 的价值，同时保持对数据的完全控制。
- 2026-02-10
- 1
- 0
- 0
2026-02-07
使用 HyperPod CLI 和 SDK 管理 Amazon SageMaker HyperPod 集群本文详细介绍了如何利用 Amazon SageMaker HyperPod 的命令行界面（CLI）和软件开发工具包（SDK）来简化大规模 AI 模型训练的基础设施管理。我们将通过实践示例，演示如何使用 `hyp` 命令创建、监控、修改和删除 HyperPod 集群，帮助数据科学家和机器学习从业者专注于模型开发，而非底层系统的复杂性。
- 2026-02-07
- 0
- 0
- 0
- AI新闻/评测
- AI工具应用
2026-02-07
使用基于Amazon Nova规则的大型语言模型裁判对生成式AI模型进行评估（第2部分）本文深入探讨了Amazon SageMaker AI中基于Amazon Nova规则的大型语言模型（LLM）裁判功能。这种新方法能根据具体提示自动生成定制化的评估标准（规则），取代了过去通用的静态规则。我们将详细介绍其工作原理、训练方法、关键指标以及如何进行校准，并分享使用SageMaker训练作业评估和比较不同LLM输出的Notebook代码。
- 2026-02-07
- 1
- 0
- 0
2026-01-31
使用 Amazon SageMaker AI 上的 Amazon Nova LLM-as-a-Judge 评估生成式 AI 模型评估大型语言模型（LLM）的性能超越了传统的统计指标。本文介绍了如何在 Amazon SageMaker AI 上使用 Amazon Nova LLM-as-a-Judge 功能，这是一个强大的、经过严格验证的 LLM 评估方法。Nova LLM-as-a-Judge 能够提供公正的、与人类偏好高度一致的成对比较，帮助用户在几分钟内部署工作流程，并做出数据驱动的模型改进决策。
- 2026-01-31
- 1
- 0
- 0
2026-01-31
使用 Amazon Nova LLM-as-a-Judge 在 Amazon SageMaker AI 上评估生成式 AI 模型评估生成式AI模型的性能不能仅依赖统计指标。本文介绍了Amazon Nova LLM-as-a-Judge的综合方法，该功能在Amazon SageMaker AI上运行，能利用LLM的推理能力对其他模型进行灵活、大规模的评估。Nova LLM-as-a-Judge经过严格验证，在关键指标上表现出色，并能紧密反映人类偏好，是实现可靠、生产级LLM评估的新标准。
- 2026-01-31
- 1
- 0
- 0
2026-01-31
使用基于Amazon S3模板的Amazon SageMaker AI项目简化ModelOps 本文介绍了Amazon SageMaker AI Projects中推出的基于Amazon S3的新模板功能，它极大地简化了ModelOps工作流的设置与管理。通过S3模板，管理员可以利用S3的版本控制和生命周期策略，以更低的开销为数据科学家团队提供安全、版本化的自动化项目模板，显著降低了MLOps的复杂性。
- 2026-01-31
- 2
- 0
- 0
2026-01-13
Omada Health 如何通过在 Amazon SageMaker AI 上微调 Llama 模型来扩展患者护理 Omada Health 携手 AWS 和 Meta，在 Amazon SageMaker AI 上使用 Llama 模型开发了 OmadaSpark AI 助手，专注于个性化营养教育。通过 QLoRA 微调 Llama 3.1 8B 模型，Omada 实现了实时、循证的患者支持，同时确保了 HIPAA 合规性，显著提升了患者参与度和护理效率。
- 2026-01-13
- 1
- 0
- 0
2026-01-10
基于 Amazon SageMaker AI 构建 TrueLook 的人工智能驱动建筑安全系统架构本文深入探讨了TrueLook如何利用Amazon SageMaker AI构建和部署其人工智能驱动的建筑安全监控系统。通过结合计算机视觉和MLOps最佳实践，TrueLook实现了对个人防护设备（PPE）的自动化检测，显著提升了工地的安全合规性与效率。了解其三阶段模型微调流程与SageMaker Pipelines的强大能力。
- 2026-01-10
- 1
- 0
- 0
2026-01-10
使用Amazon SageMaker AI上的AWQ和GPTQ进行训练后权重和激活的量化，加速LLM推理本文深入探讨了如何在Amazon SageMaker上利用AWQ和GPTQ技术加速大型语言模型（LLM）的推理过程。通过后训练权重和激活量化，我们展示了如何显著降低延迟和提高吞吐量，优化LLM的部署成本和性能。
- 2026-01-10
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-12-26
使用 BentoML 的 LLM-Optimizer 在 Amazon SageMaker AI 上优化 LLM 推理本文深入探讨了在 Amazon SageMaker AI 上使用 BentoML 的 LLM-Optimizer 来系统化优化大型语言模型（LLM）推理性能的方法。通过自动化基准测试和参数调优，您可以告别繁琐的手动试错，快速找到满足延迟和吞吐量服务水平协议（SLA）的最佳配置，从而显著提升自托管模型的效率和成本效益。
- 2025-12-26
- 0
- 0
- 0
2025-12-23
在 Amazon SageMaker AI 上部署 Mistral AI 的 VoxLlama 模型本文详细介绍了如何利用 Amazon SageMaker 快速部署 Mistral AI 推出的先进多模态模型 VoxLlama。我们将探讨使用 SageMaker 托管服务部署高性能大语言模型的步骤，为开发者和企业提供了一个高效、可扩展的解决方案，以在云端运行和集成最前沿的 AI 技术。
- 2025-12-23
- 0
- 0
- 0
2025-12-20
面向Amazon SageMaker Studio推出SOCI索引：为AI/ML工作负载提供更快的容器启动时间 AWS重磅推出Amazon SageMaker Studio的新功能：SOCI（Seekable Open Container Initiative）索引。该功能通过实现容器镜像的延迟加载，显著缩短了AI/ML工作负载的容器启动时间，将等待时间从几分钟缩短到几秒钟。本文详细介绍了SOCI的工作原理、先决条件、创建索引的步骤以及基准测试结果，旨在帮助数据科学家和ML工程师减少环境初始化等待，提高开发效率。
- 2025-12-20
- 0
- 0
- 0
- AI工具应用
- AI基础/开发
2025-12-18
使用 Amazon SageMaker AI 跟踪和管理 AI 开发中使用的资产构建定制基础模型需要协调数据、计算、模型架构、评估器和部署等多个资产。本文深入探讨了 Amazon SageMaker AI 如何通过自动跟踪和管理数据集版本、自定义评估器以及端到端血缘关系，简化生成式 AI 开发的复杂性，确保模型的可追溯性和可复现性。
- 2025-12-18
- 1
- 0
- 0
2025-12-18
使用 Snowflake 集成在 Amazon SageMaker 上通过 MLflow 跟踪机器学习实验本文介绍了如何将 Amazon SageMaker 托管的 MLflow 与 Snowflake 集成，以实现在数据环境中进行机器学习实验跟踪。通过 Snowpark 库，您可以在 Snowflake 中进行数据处理和特征工程，并利用 SageMaker MLflow 作为中央存储库来记录和监控实验元数据、参数、模型和结果，从而实现更安全、更高效的 MLOps 工作流。
- 2025-12-18
- 1
- 0
- 0
2025-12-17
塔塔电力CoE如何利用Amazon SageMaker AI和Amazon Bedrock构建可扩展的AI驱动太阳能电池板检测解决方案本文深入探讨了塔塔电力（Tata Power）如何与Oneture Technologies合作，利用AWS服务（包括Amazon SageMaker AI和Amazon Bedrock）构建了一个革命性的AI驱动太阳能电池板安装检测系统。该方案解决了传统手动检测耗时长、可扩展性差和质量不一致的痛点，实现了超过90%的准确率和80%的复检率下降，加速了清洁能源的推广。
- 2025-12-17
- 0
- 0
- 0
2025-12-16
使用 SageMaker HyperPod 弹性训练实现基础模型训练的自适应基础设施本文介绍了 Amazon SageMaker HyperPod 新增的弹性训练功能，它允许机器学习（ML）工作负载根据资源可用性自动伸缩。通过动态调整资源，弹性训练可最大化 GPU 利用率，降低成本，并加速模型开发，同时保持训练质量并最大限度地减少手动干预。我们将深入探讨其工作原理、配置步骤以及性能表现。
- 2025-12-16
- 0
- 0
- 0

1
2