SageMaker Pipelines-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 4960 篇文章
累计创建 1791 个标签
累计收到 0 条评论

目录CONTENT

以下是 SageMaker Pipelines 相关的文章

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
- 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
2025-12-16
Amazon SageMaker HyperPod 的无检查点训练：面向更快速故障恢复的生产规模训练随着基础模型训练的规模不断扩大，传统的基于检查点的恢复方法已成为效率瓶颈。本文介绍了 Amazon SageMaker HyperPod 上的无检查点训练，这是一种范式转变，通过实现对等状态恢复，显著减少了对传统检查点的依赖。生产规模验证结果显示，恢复时间减少了 80%–93%，在数千个 AI 加速器集群上可实现高达 95% 的训练有效吞吐量（Goodput）。
- 2025-12-16
- 0
- 0
- 0
2025-12-12
扩展MLflow以支持企业级AI：SageMaker AI中MLflow的新特性 AWS发布了Amazon SageMaker AI中的新MLflow功能，引入了无服务器能力，可动态管理基础设施的预置、扩展和运维。这项更新无需管理员配置，即可实现实验跟踪、可观测性和模型性能评估的自动化，并支持跨账户共享和与SageMaker Pipelines的集成，显著简化了企业级ML和生成式AI工作负载的管理。
- 2025-12-12
- 0
- 0
- 0